رفتن به محتوا

Auto-Captioner

یکپارچه‌سازی

شناسه مدل auto-caption
# 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/auto-caption?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }'

# 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"

این درخواست: ⁨‎$۰٫۱۰⁩ ۱۰۰ اعتبار API اجرای آن در این صفحه

دریافت کلید API
Utility ویدیو به ویدیو #captioning#video

با رنگ، قلم، اندازه و موقعیت قابل‌تنظیم، زیرنویس گفتاری به ویدیو اضافه می‌کند

Utility · داده (JSON)

اولین نتیجه شما اینجا قرار می‌گیرد

درخواست را در زیر بسازید و با کلید API خود اجرا کنید. خروجی‌ها در فضای ذخیره‌سازی ما کپی می‌شوند و برای همیشه یا به‌مدت ۷ روز رایگان نگه‌داری می‌شوند.

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

•الزامی video_url
یک فایل بیندازید، یا

نشانی اینترنتی ویدیو برای فایل .mp4 حاوی صوت و کوچک‌تر از 400 MB.

پیشرفته text_case · txt_color · txt_font · font_size · stroke_width · refresh_interval · left_align · top_align
text_case پیش‌فرض default

برای حفظ حروف زیرنویس به‌شکل تولیدشده توسط تشخیص گفتار، 'default' را انتخاب کنید. برای تغییر آن، 'upper' را برای حروف بزرگ یا 'lower' را برای حروف کوچک انتخاب کنید.

پیش‌فرض white

رنگ متن را با نمادگذاری هگزادسیمال، تاپل RGB یا نام رنگ تنظیم کنید.

پیش‌فرض Standard

قلم زیرنویس را با نشانی اینترنتی فایل .ttf یا یکی از قلم‌های داخلی تنظیم کنید: 'Arial'، 'Standard'، 'Garamond'، 'Times New Roman' یا 'Georgia'.

پیش‌فرض 24

اندازه متن زیرنویس‌های تولیدشده.

پیش‌فرض 1

ضخامت خط دور متن، برحسب پیکسل.

پیش‌فرض 1.5

میزان نمایش هم‌زمان متن زیرنویس را در بازه نمایش کنترل می‌کند، برحسب ثانیه: نمایش طولانی‌تر زیرنویس، متن بیشتری را هم‌زمان نشان می‌دهد.

پیش‌فرض center

متن را افقی با float بین 0.0 و 1.0 تراز کنید یا موقعیت نام‌گذاری‌شده 'left'، 'center' یا 'right' را انتخاب کنید.

پیش‌فرض center

متن را عمودی با float بین 0.0 و 1.0 تراز کنید یا موقعیت نام‌گذاری‌شده 'top'، 'center' یا 'bottom' را انتخاب کنید.

POST /run/auto-caption?wait=20 قیمت → ⁨‎$۰٫۱۰⁩
# 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/auto-caption?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }'

# 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"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره Auto-Captioner

صوت را از `video_url` با قالب .mp4 (کمتر از 400MB) رونویسی و زیرنویس را روی ویدیو درج می‌کند. سبک را با `txt_color`، `txt_font`، `font_size`، `stroke_width` و `text_case` تنظیم کنید. موقعیت با `left_align` و `top_align` تعیین می‌شود. `refresh_interval` بین 0.5 تا 3 ثانیه، مدت نمایش زیرنویس را مشخص می‌کند.

پارامترها

نام استاندارد یا نام بومی را ارسال کنید، نه هر دو. نام‌های استاندارد

نامنوع پیش‌فرضمجاز توضیحات
video_urlالزامی video
نوعurl · video
نشانی اینترنتی ویدیو برای فایل .mp4 حاوی صوت و کوچک‌تر از 400 MB.
txt_colorاختیاری
نوعstring
پیش‌فرضwhite
رنگ متن را با نمادگذاری هگزادسیمال، تاپل RGB یا نام رنگ تنظیم کنید.
txt_fontاختیاری
نوعstring
پیش‌فرضStandard
قلم زیرنویس را با نشانی اینترنتی فایل .ttf یا یکی از قلم‌های داخلی تنظیم کنید: 'Arial'، 'Standard'، 'Garamond'، 'Times New Roman' یا 'Georgia'.
font_sizeاختیاری
نوعinteger
پیش‌فرض24
اندازه متن زیرنویس‌های تولیدشده.
stroke_widthاختیاری
نوعinteger
پیش‌فرض1
ضخامت خط دور متن، برحسب پیکسل.
left_alignاختیاری
نوعstring | number
پیش‌فرضcenter
متن را افقی با float بین 0.0 و 1.0 تراز کنید یا موقعیت نام‌گذاری‌شده 'left'، 'center' یا 'right' را انتخاب کنید.
top_alignاختیاری
نوعstring | number
پیش‌فرضcenter
متن را عمودی با float بین 0.0 و 1.0 تراز کنید یا موقعیت نام‌گذاری‌شده 'top'، 'center' یا 'bottom' را انتخاب کنید.
refresh_intervalاختیاری
نوعnumber
پیش‌فرض1.5
۰٫۵ – ۳
میزان نمایش هم‌زمان متن زیرنویس را در بازه نمایش کنترل می‌کند، برحسب ثانیه: نمایش طولانی‌تر زیرنویس، متن بیشتری را هم‌زمان نشان می‌دهد.
text_caseاختیاری
نوعenum
پیش‌فرضdefault
defaultupperlower
برای حفظ حروف زیرنویس به‌شکل تولیدشده توسط تشخیص گفتار، 'default' را انتخاب کنید. برای تغییر آن، 'upper' را برای حروف بزرگ یا 'lower' را برای حروف کوچک انتخاب کنید.
الزامی نام استاندارد، همچنین پذیرفته می‌شود

پارامترهای فایل یک URL عمومی https://، یک URI از نوع data: تا سقف 10 MB، یا file_url یک فایل بارگذاری‌شده را می‌پذیرند. فایل‌ها

خروجی

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "auto-caption",
  "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": 100,
    "usd": "0.10",
    "charged": 100,
    "refunded": 0
  },
  "input": {
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  },
  "output": {
    "video_url": "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"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
video_url
string (video URL)نشانی اینترنتی ویدیوی .mp4 دارای زیرنویس.

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/auto-caption.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt