Lumaktaw sa nilalaman

Wizper (Whisper v3)

I-integrate

ID ng modelo 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"

Hanggang $1.998 bawat pagtakbo sinisingil ayon sa aktuwal na paggamit, at nire-refund ang natitira Patakbuhin ito sa page na ito

Kumuha ng API key
OpenAI Speech patungong Text #transcription#speech

Whisper v3 speech transcription at pagsasalin sa English na may timestamped chunk

OpenAI · Text

Dito mapupunta ang iyong unang resulta

Bumuo ng kahilingan sa ibaba at patakbuhin ito gamit ang iyong API key. Kinokopya ang mga output sa aming storage, na pinananatili nang walang hanggan o 7 araw nang libre.

Bumuo ng kahilingan

Ang mga control ay binubuo mula sa schema ng modelo. Nagbabago ang code at presyo habang ina-adjust mo ang mga ito.

•kinakailangan audio_url
Mag-drop ng file, o

Input para sa transcription na ibinibigay bilang URL patungo sa audio file na nasa format na mp3, mp4, mpeg, mpga, m4a, wav o webm.

advanced task · language · chunk_level · version · max_segment_len · merge_chunks
task default na transcribe

Gawain sa pagproseso ng audio: piliin ang transcribe o translate.

default na en

Pagpili ng wika ng audio, kung saan ang `None` ay humihiling ng awtomatikong pagtukoy kapalit ng mas mahabang inference time. Para sa translate task, English ang laging target na wika, kaya hindi binabago ng pagpiling ito ang wika ng output.

default na segment

Granularity ng ibinalik na mga chunk.

default na 3

Pagpili ng bersyon sa loob ng Whisper large pamilya; walang ibang Whisper variant ang ginagamit ng mga modelong ito.

default na 29

Limitasyon sa haba ng speech segment, sinusukat sa segundo, kung kailan isinasagawa ang paghahati.

POST /run/wizper?wait=20 presyo → $1.998
# 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"

Patakbuhin ang kahilingang ito

Nananatili ang iyong key sa browser na ito: ipinapadala lamang ito sa Doitong API at sine-save (localStorage) lamang kung pipiliin mo ang Tandaan. Kumuha ng API key

Tungkol sa Wizper (Whisper v3)

Nagsasagawa ng transcription ng audio file mula sa URL (mp3, mp4, mpeg, mpga, m4a, wav o webm), o isinasalin ito sa English gamit ang `task`. Sinusuportahan ng field na `language` ang 99 value, at posible ang awtomatikong detection. Ibinabalik ang buong teksto kasama ang mga chunk na may timestamp. Kinokontrol ng `max_segment_len` (10-29 segundo) at `merge_chunks` kung paano hinahati ang mga segment.

Mga parameter

Ipadala ang canonical na pangalan o ang native na pangalan, hindi pareho. Mga canonical na pangalan

PangalanUri defaultPinapayagan Paglalarawan
audio_urlkinakailangan audio
Uriurl · audio
Input para sa transcription na ibinibigay bilang URL patungo sa audio file na nasa format na mp3, mp4, mpeg, mpga, m4a, wav o webm.
taskopsyonal
Urienum
defaulttranscribe
transcribetranslate
Gawain sa pagproseso ng audio: piliin ang transcribe o translate.
languageopsyonal
Urienum
defaulten
afamarasazbabebgbnbobrbscacscyda
+83 padeeleneseteufafifofrglguhahawhehihrhthuhyidisitjajwkakkkmknkolalblnloltlvmgmimkmlmnmrmsmtmynenlnnnoocpaplpsptrorusasdsiskslsnsosqsrsusvswtatetgthtktltrttukuruzviyiyozh
Pagpili ng wika ng audio, kung saan ang `None` ay humihiling ng awtomatikong pagtukoy kapalit ng mas mahabang inference time. Para sa translate task, English ang laging target na wika, kaya hindi binabago ng pagpiling ito ang wika ng output.
chunk_levelopsyonal
Uristring
defaultsegment
Granularity ng ibinalik na mga chunk.
max_segment_lenopsyonal
Uriinteger
default29
10 – 29
Limitasyon sa haba ng speech segment, sinusukat sa segundo, kung kailan isinasagawa ang paghahati.
merge_chunksopsyonal
Uriboolean
defaulttrue
Kontrol sa pagsasama ng magkakasunod na chunk, na pinapahintulutan lamang kung ang tagal ng resultang segment ay hindi lalampas sa max_segment_len.
versionopsyonal
Uristring
default3
Pagpili ng bersyon sa loob ng Whisper large pamilya; walang ibang Whisper variant ang ginagamit ng mga modelong ito.
kinakailangan Canonical na pangalan, tinatanggap din

Tumatanggap ang mga parameter ng file ng pampublikong https:// URL, data: URI na hanggang 10 MB, o file_url ng isang upload. Mga file

Output

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"
  }
}
Ikaw ang pumipili para sa iyong mga fileAng bawat outputs[].url ay kopya sa aming storage: pinananatili nang walang hanggan (sinisingil bawat GB-month) o 7 araw nang libre, ayon sa setting ng iyong account o ?storage=.
Parehong shape sa bawat modelotype, url, content_type, width, height at duration, para sa mga larawan, video at audio. Ang output ay sariling result object ng modelo.
Mga field ng output
text
stringText na na-transcribe mula sa audio.
chunks
array of object {timestamp, text}Mga audio chunk na may kasamang timestamp.
languages
array of enum (string)Mga resulta ng pagtukoy sa wika ng audio, na ibinabalik bilang listahan ng mga natukoy na wika, na null ang default value.

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/wizper.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt