Ir al contenido

ElevenLabs Speech to Text

Integrar

Id del modelo 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"

Archivos como el ejemplo: 0,03 $ 30 créditos de API tus archivos se miden antes de la ejecución Ejecutar en esta página

Obtener clave de API
ElevenLabs Voz a texto #speech

Transcripción general de voz con diarización de hablantes, etiquetas de eventos de audio y detalles a nivel de palabra

ElevenLabs · Texto

Tu primer resultado aparecerá aquí

Crea una solicitud abajo 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

URL que apunta al audio que se transcribirá.

Avanzado language_code · tag_audio_events · diarize

Código que identifica el idioma del audio.

POST /run/elevenlabs/speech-to-text?wait=20 cotización → 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"

Ejecutar esta solicitud

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

Acerca de ElevenLabs Speech to Text

Transcripción un archivo de audio a texto. Establece `language_code` o déjalo vacío para detectarlo. `diarize` anota quién habla y `tag_audio_events` marca sonidos como la risa; ambas opciones están activadas de forma predeterminada. La salida contiene el texto completo, el idioma y la confianza de detección, además de detalles por palabra.

Parámetros

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

NombreTipo PredeterminadoPermitido Descripción
audio_urlobligatorio audio
Tipourl · audio
URL que apunta al audio que se transcribirá.
language_codeopcional
Tipostring | null
Código que identifica el idioma del audio.
tag_audio_eventsopcional
Tipoboolean
Predeterminadotrue
Controla el etiquetado de eventos de audio, como risas o aplausos.
diarizeopcional
Tipoboolean
Predeterminadotrue
Controla si se anotan las identidades de los hablantes.
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 carga. Archivos

Salida

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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: conservada para siempre (se cobra 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 completo de la transcripción.
language_code
stringCódigo de idioma obtenido mediante detección o especificación explícita.
language_probability
numberPuntuación de confianza del idioma detectado.
words
array of object {text, start, end, type, speaker_id}Información de transcripción para palabras individuales.

Más modelos: Voz a texto

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