Ir al contenido

Wizper (Whisper v3)

Integrar

ID del modelo wizper
# 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/wizper?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"

Hasta 1,998 $ por ejecución se cobra según el uso real y el resto se reembolsa Ejecutar en esta página

Obtener clave de API
OpenAI Voz a texto #transcription#speech

Transcripción de voz con Whisper v3 y traducción al inglés con fragmentos con marcas de tiempo

OpenAI · Texto

Tu primer resultado aparecerá aquí

Crea una solicitud a continuación y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, conservadas para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan al modificarlos.

•obligatorio audio_url
Suelta un archivo o

Entrada de transcripción proporcionada como una URL que apunta a un archivo de audio en formato mp3, mp4, mpeg, mpga, m4a, wav o webm.

Avanzado task · language · chunk_level · version · max_segment_len · merge_chunks
task predeterminado transcribe

Tarea de procesamiento de audio: elige transcribe o translate.

predeterminado en

Selección del idioma del audio, donde `None` solicita detección automática a cambio de un tiempo de inferencia mayor. Para la tarea translate, el inglés siempre es el idioma de destino, por lo que esta selección no cambia el idioma de salida.

predeterminado segment

Granularidad de los fragmentos devueltos.

predeterminado 3

Selección de versión dentro de la familia Whisper large; estos modelos no utilizan ninguna otra variante de Whisper.

predeterminado 29

Límite de duración de los segmentos de voz, medido en segundos, tras el cual se dividen.

POST /run/wizper?wait=20 presupuesto → 1,998 $
# 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/wizper?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"

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y solo se guarda en localStorage si marcas Recordar. Obtener una clave de API

Acerca de Wizper (Whisper v3)

transcripción un archivo de audio desde una URL (mp3, mp4, mpeg, mpga, m4a, wav o webm), o lo traduce al inglés con `task`. El campo `language` admite 99 valores y es posible la detección automática. Devuelve el texto completo y fragmentos con marcas de tiempo. `max_segment_len` (de 10-29 segundos) y `merge_chunks` controlan cómo se dividen los segmentos.

Parámetros

Envía el nombre canónico o el nombre nativo, pero no ambos. Nombres canónicos

NombreTipo PredeterminadoPermitido Descripción
audio_urlobligatorio audio
Tipourl · audio
Entrada de transcripción proporcionada como una URL que apunta a un archivo de audio en formato mp3, mp4, mpeg, mpga, m4a, wav o webm.
taskopcional
Tipoenum
Predeterminadotranscribe
transcribetranslate
Tarea de procesamiento de audio: elige transcribe o translate.
languageopcional
Tipoenum
Predeterminadoen
afamarasazbabebgbnbobrbscacscyda
+83 másdeeleneseteufafifofrglguhahawhehihrhthuhyidisitjajwkakkkmknkolalblnloltlvmgmimkmlmnmrmsmtmynenlnnnoocpaplpsptrorusasdsiskslsnsosqsrsusvswtatetgthtktltrttukuruzviyiyozh
Selección del idioma del audio, donde `None` solicita detección automática a cambio de un tiempo de inferencia mayor. Para la tarea translate, el inglés siempre es el idioma de destino, por lo que esta selección no cambia el idioma de salida.
chunk_levelopcional
Tipostring
Predeterminadosegment
Granularidad de los fragmentos devueltos.
max_segment_lenopcional
Tipointeger
Predeterminado29
10 – 29
Límite de duración de los segmentos de voz, medido en segundos, tras el cual se dividen.
merge_chunksopcional
Tipoboolean
Predeterminadotrue
Control de combinación de fragmentos consecutivos; solo permite combinar si la duración del segmento resultante no supera max_segment_len.
versionopcional
Tipostring
Predeterminado3
Selección de versión dentro de la familia Whisper large; estos modelos no utilizan ninguna otra variante de Whisper.
obligatorio Nombre canónico, también aceptado

Los parámetros de archivo aceptan una URL pública https://, un URI data: de hasta 10 MB o el file_url de una subida. Archivos

Salida

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "wizper",
  "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": 1998,
    "usd": "1.998",
    "charged": 1998,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "text": "string",
    "chunks": [
      {
        "timestamp": [],
        "text": "string"
      }
    ],
    "languages": [
      "af"
    ]
  },
  "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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: conservada para siempre (con pago por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para vídeo y audio. output es el objeto de resultado propio del modelo.
Campos de salida
text
stringTexto transcrito del audio.
chunks
array of object {timestamp, text}Fragmentos de audio acompañados de marcas de tiempo.
languages
array of enum (string)Resultados de detección del idioma del audio, devueltos como una lista de idiomas inferidos, con null como valor predeterminado.

Para agentes de IA: esta página en Markdown está en https://doitong.com/es-ES/developers/models/wizper.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt