رفتن به محتوا

Cohere Transcribe

یکپارچه‌سازی

شناسه مدل cohere-transcribe
# 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/cohere-transcribe?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"

فایل‌هایی مانند نمونه: ⁨‎$۰٫۰۰۱⁩ ۱ اعتبار API فایل‌های شما پیش از اجرا اندازه‌گیری می‌شوند اجرای آن در این صفحه

دریافت کلید API
Cohere گفتار به متن #speech#transcribe#stt

مدل تبدیل گفتار به متن با 14 زبان قابل انتخاب و گزینهٔ اختیاری نشانه‌گذاری

Cohere · متن

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 audio_url
یک فایل بیندازید، یا

URL فایل صوتی برای رونویسی. قالب‌های پذیرفته‌شده شامل flac، ogg، webm، wav، m4a، mpga، mpeg، mp4 و mp3 هستند.

پیشرفته language · max_new_tokens · punctuation
پیش‌فرض en

زبان صوت را با یکی از کدهای ISO 639-1 زیر مشخص کنید: en, fr, de, it, es, pt, el, nl, pl, zh, ja, ko, vi, ar.

پیش‌فرض 256

محدودیت تولید توکن برای هر قطعه صوتی.

POST /run/cohere-transcribe?wait=20 قیمت → ⁨‎$۰٫۰۰۱⁩
# 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/cohere-transcribe?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"

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 Cohere Transcribe

یک فایل صوتی را از `audio_url` (mp3، mp4، mpeg، mpga، m4a، wav، webm، ogg یا flac) به متن رونویسی می‌کند. `language` مقادیر en، fr، de، it، es، pt، el، nl، pl، zh، ja، ko، vi یا ar را می‌پذیرد و مقدار پیش‌فرض en است. `punctuation` را می‌توان خاموش کرد و `max_new_tokens` (1 تا 1014) خروجی هر بخش صوتی را محدود می‌کند.

پارامترها

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

نامنوع پیش‌فرضمجاز توضیحات
audio_urlالزامی audio
نوعurl · audio
URL فایل صوتی برای رونویسی. قالب‌های پذیرفته‌شده شامل flac، ogg، webm، wav، m4a، mpga، mpeg، mp4 و mp3 هستند.
languageاختیاری
نوعenum
پیش‌فرضen
enfrdeitesptelnlplzhjakoviar
زبان صوت را با یکی از کدهای ISO 639-1 زیر مشخص کنید: en, fr, de, it, es, pt, el, nl, pl, zh, ja, ko, vi, ar.
punctuationاختیاری
نوعboolean
پیش‌فرضtrue
مشخص می‌کند متن خروجی شامل حروف بزرگ و نشانه‌گذاری باشد یا نه.
max_new_tokensاختیاری
نوعinteger
پیش‌فرض256
۱ – ۱٬۰۱۴
محدودیت تولید توکن برای هر قطعه صوتی.
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": "cohere-transcribe",
  "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": 1,
    "usd": "0.001",
    "charged": 1,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "text": "string",
    "timings": {}
  },
  "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
text
stringمتنی که از رونویسی فایل صوتی به‌دست آمده است.
timings
objectجزئیات زمان‌بندی عملکرد، اندازه‌گیری‌شده برحسب ثانیه.

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