Μετάβαση στο περιεχόμενο

ElevenLabs Speech to Text

Ενσωμάτωση

id μοντέλου elevenlabs/speech-to-text
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/elevenlabs/speech-to-text?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Αρχεία όπως το παράδειγμα: 0,03 $ 30 πιστώσεις API τα αρχεία σας μετρώνται πριν από την εκτέλεση Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
ElevenLabs Ομιλία σε κείμενο #speech

Γενική απομαγνητοφώνηση ομιλίας με διαχωρισμό ομιλητών, ετικέτες ηχητικών συμβάντων και λεπτομέρειες σε επίπεδο λέξης

ElevenLabs · Κείμενο

Το πρώτο σας αποτέλεσμα θα εμφανιστεί εδώ

Δημιουργήστε ένα αίτημα παρακάτω και εκτελέστε το με το κλειδί API σας. Οι έξοδοι αντιγράφονται στην αποθήκευσή μας και διατηρούνται για πάντα ή 7 ημέρες δωρεάν.

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

•απαιτείται audio_url
Αποθέστε ένα αρχείο ή

URL που παραπέμπει στον ήχο προς απομαγνητοφώνηση.

Για προχωρημένους language_code · tag_audio_events · diarize

Κωδικός που προσδιορίζει τη γλώσσα του ήχου.

POST /run/elevenlabs/speech-to-text?wait=20 προσφορά → 0,03 $
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/elevenlabs/speech-to-text?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το ElevenLabs Speech to Text

Μεταγράφει ένα αρχείο ήχου σε κείμενο. Ορίστε `language_code` ή αφήστε το κενό για ανίχνευση. Το `diarize` σημειώνει ποιος μιλά και το `tag_audio_events` επισημαίνει ήχους όπως το γέλιο· και τα δύο είναι ενεργά από προεπιλογή. Η έξοδος περιλαμβάνει το πλήρες κείμενο, τη γλώσσα και την εμπιστοσύνη ανίχνευσής της, καθώς και λεπτομέρειες σε επίπεδο λέξης.

Παράμετροι

Στείλτε είτε το κανονικό όνομα είτε το εγγενές όνομα, όχι και τα δύο. Κανονικά ονόματα

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
audio_urlαπαιτείται audio
Τύποςurl · audio
URL που παραπέμπει στον ήχο προς απομαγνητοφώνηση.
language_codeπροαιρετικό
Τύποςstring | null
Κωδικός που προσδιορίζει τη γλώσσα του ήχου.
tag_audio_eventsπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Ελέγχει την προσθήκη ετικετών σε συμβάντα ήχου, όπως γέλιο ή χειροκρότημα.
diarizeπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Ελέγχει αν σχολιάζονται οι ταυτότητες των ομιλητών.
απαιτείται Κανονικό όνομα, επίσης αποδεκτό

Οι παράμετροι αρχείων δέχονται ένα δημόσιο URL https://, ένα URI data: έως 10 MB ή το file_url μιας μεταφόρτωσης. Αρχεία

Έξοδος

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "elevenlabs/speech-to-text",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 30,
    "usd": "0.03",
    "charged": 30,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "text": "string",
    "language_code": "string",
    "language_probability": 1.0,
    "words": [
      {
        "text": "string",
        "start": 1.0,
        "end": 1.0,
        "type": "string",
        "speaker_id": "string"
      }
    ]
  },
  "outputs": [
    {
      "type": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
text
stringΠλήρες κείμενο της απομαγνητοφώνησης.
language_code
stringΚωδικός γλώσσας που προκύπτει από ανίχνευση ή ρητό καθορισμό.
language_probability
numberΒαθμολογία βεβαιότητας για την ανιχνευμένη γλώσσα.
words
array of object {text, start, end, type, speaker_id}Πληροφορίες απομαγνητοφώνησης για μεμονωμένες λέξεις.

Περισσότερα μοντέλα: Ομιλία σε κείμενο

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/elevenlabs/speech-to-text.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt