رفتن به محتوا

ElevenLabs Speech to Text

یکپارچه‌سازی

شناسه مدل 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"

فایل‌هایی مانند نمونه: ⁨‎$۰٫۰۳⁩ ۳۰ اعتبار API فایل‌های شما پیش از اجرا اندازه‌گیری می‌شوند اجرای آن در این صفحه

دریافت کلید API
ElevenLabs گفتار به متن #speech

رونویسی عمومی گفتار با تفکیک گویندگان، برچسب رویدادهای صوتی و جزئیات سطح واژه

ElevenLabs · 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 اشاره‌کننده به صوت برای رونویسی.

پیشرفته language_code · tag_audio_events · diarize

کد شناسایی زبان صوت.

POST /run/elevenlabs/speech-to-text?wait=20 قیمت → ⁨‎$۰٫۰۳⁩
# 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"

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 ElevenLabs Speech to Text

فایل صوتی را به متن رونویسی می‌کند. `language_code` را تنظیم کنید یا برای شناسایی، خالی بگذارید. `diarize` گوینده را مشخص می‌کند و `tag_audio_events` صداهایی مانند خنده را علامت‌گذاری می‌کند؛ هر دو به‌طور پیش‌فرض فعال هستند. خروجی متن کامل، زبان و میزان اطمینان شناسایی آن، و جزئیات سطح واژه را دارد.

پارامترها

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

نامنوع پیش‌فرضمجاز توضیحات
audio_urlالزامی audio
نوعurl · audio
URL اشاره‌کننده به صوت برای رونویسی.
language_codeاختیاری
نوعstring | null
کد شناسایی زبان صوت.
tag_audio_eventsاختیاری
نوعboolean
پیش‌فرضtrue
برچسب‌گذاری رویدادهای صوتی، مانند خنده یا تشویق، را کنترل می‌کند.
diarizeاختیاری
نوعboolean
پیش‌فرضtrue
حاشیه‌نویسی هویت گویندگان را کنترل می‌کند.
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": "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"
  }
}
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
stringمتن کامل رونویسی.
language_code
stringکد زبان به‌دست‌آمده از شناسایی یا مشخص‌سازی صریح.
language_probability
numberامتیاز اطمینان زبان شناسایی‌شده.
words
array of object {text, start, end, type, speaker_id}اطلاعات رونویسی برای واژه‌های منفرد.

مدل‌های بیشتر: گفتار به متن

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