رفتن به محتوا

Wizper (Whisper v3)

یکپارچه‌سازی

شناسه مدل 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"

تا ⁨‎$۱٫۹۹۸⁩ برای هر اجرا بر اساس مصرف واقعی هزینه دریافت می‌شود و مابقی بازپرداخت می‌شود اجرای آن در این صفحه

دریافت کلید API
OpenAI گفتار به متن #transcription#speech

رونویسی گفتار با Whisper v3 و ترجمه به انگلیسی با قطعه‌های دارای زمان‌بندی

OpenAI · 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

ورودی رونویسی که به‌صورت URL اشاره‌کننده به فایل صوتی در قالب mp3، mp4، mpeg، mpga، m4a، wav یا webm ارائه می‌شود.

پیشرفته task · language · chunk_level · version · max_segment_len · merge_chunks
task پیش‌فرض transcribe

وظیفه پردازش صوت: transcribe یا translate را انتخاب کنید.

پیش‌فرض en

انتخاب زبان صوت؛ `None` تشخیص خودکار را درخواست می‌کند، اما زمان استنتاج طولانی‌تر می‌شود. در وظیفه translate، انگلیسی همیشه زبان مقصد ترجمه است؛ بنابراین این انتخاب زبان، زبان خروجی را تغییر نمی‌دهد.

پیش‌فرض segment

دانه‌بندی بخش‌های بازگردانده‌شده.

پیش‌فرض 3

انتخاب نسخه در خانواده Whisper large؛ این مدل‌ها از هیچ گونه دیگری از Whisper استفاده نمی‌کنند.

پیش‌فرض 29

حداکثر طول بخش گفتار، برحسب ثانیه، که پس از آن تقسیم انجام می‌شود.

POST /run/wizper?wait=20 قیمت → ⁨‎$۱٫۹۹۸⁩
# 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"

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 Wizper (Whisper v3)

یک فایل صوتی را از URL (mp3، mp4، mpeg، mpga، m4a، wav یا webm) رونویسی می‌کند یا با `task` آن را به انگلیسی ترجمه می‌کند. فیلد `language` از 99 مقدار پشتیبانی می‌کند و تشخیص خودکار نیز ممکن است. متن کامل و قطعه‌های دارای زمان‌بندی را برمی‌گرداند. `max_segment_len` (10-29 ثانیه) و `merge_chunks` نحوهٔ تقسیم قطعه‌ها را کنترل می‌کنند.

پارامترها

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

نامنوع پیش‌فرضمجاز توضیحات
audio_urlالزامی audio
نوعurl · audio
ورودی رونویسی که به‌صورت URL اشاره‌کننده به فایل صوتی در قالب mp3، mp4، mpeg، mpga، m4a، wav یا webm ارائه می‌شود.
taskاختیاری
نوعenum
پیش‌فرضtranscribe
transcribetranslate
وظیفه پردازش صوت: transcribe یا translate را انتخاب کنید.
languageاختیاری
نوعenum
پیش‌فرضen
afamarasazbabebgbnbobrbscacscyda
+83 مورد دیگرdeeleneseteufafifofrglguhahawhehihrhthuhyidisitjajwkakkkmknkolalblnloltlvmgmimkmlmnmrmsmtmynenlnnnoocpaplpsptrorusasdsiskslsnsosqsrsusvswtatetgthtktltrttukuruzviyiyozh
انتخاب زبان صوت؛ `None` تشخیص خودکار را درخواست می‌کند، اما زمان استنتاج طولانی‌تر می‌شود. در وظیفه translate، انگلیسی همیشه زبان مقصد ترجمه است؛ بنابراین این انتخاب زبان، زبان خروجی را تغییر نمی‌دهد.
chunk_levelاختیاری
نوعstring
پیش‌فرضsegment
دانه‌بندی بخش‌های بازگردانده‌شده.
max_segment_lenاختیاری
نوعinteger
پیش‌فرض29
۱۰ – ۲۹
حداکثر طول بخش گفتار، برحسب ثانیه، که پس از آن تقسیم انجام می‌شود.
merge_chunksاختیاری
نوعboolean
پیش‌فرضtrue
کنترل ادغام بخش‌های متوالی؛ ادغام فقط زمانی مجاز است که مدت بخش حاصل بیشتر از max_segment_len نباشد.
versionاختیاری
نوعstring
پیش‌فرض3
انتخاب نسخه در خانواده Whisper large؛ این مدل‌ها از هیچ گونه دیگری از Whisper استفاده نمی‌کنند.
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": "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"
  }
}
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 رونویسی‌شده از صوت.
chunks
array of object {timestamp, text}بخش‌های صوتی همراه با مهرهای زمانی.
languages
array of enum (string)نتایج تشخیص زبان صوت، به‌صورت فهرستی از زبان‌های استنباط‌شده؛ مقدار پیش‌فرض null است.

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