सामग्री पर जाएँ

Wizper (Whisper v3)

इंटीग्रेट करें

मॉडल id 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"

प्रति रन अधिकतम $1.998 तक वास्तविक उपयोग के अनुसार शुल्क लिया जाता है, बाकी रिफंड किया जाता है इसे इस पेज पर चलाएँ

API कुंजी प्राप्त करें
OpenAI स्पीच से टेक्स्ट #transcription#speech

Whisper v3 से टाइमस्टैम्प वाले चंक्स में स्पीच ट्रांसक्रिप्शन और अंग्रेज़ी में अनुवाद

OpenAI · टेक्स्ट

आपका पहला परिणाम यहाँ आएगा

नीचे एक अनुरोध बनाएँ और उसे अपनी API कुंजी से चलाएँ। आउटपुट हमारे स्टोरेज में कॉपी किए जाते हैं और हमेशा के लिए या 7 दिन तक मुफ़्त में रखे जाते हैं।

अनुरोध बनाएँ

कंट्रोल मॉडल स्कीमा से जनरेट होते हैं। इन्हें बदलने पर कोड और कीमत अपडेट होती है।

•आवश्यक audio_url
फ़ाइल ड्रॉप करें, या

mp3, mp4, mpeg, mpga, m4a, wav या webm फ़ॉर्मेट वाली ऑडियो फ़ाइल की ओर संकेत करने वाले URL के रूप में दिया गया ट्रांसक्रिप्शन इनपुट।

उन्नत task · language · chunk_level · version · max_segment_len · merge_chunks
task डिफ़ॉल्ट transcribe

ऑडियो प्रोसेसिंग कार्य: transcribe या translate चुनें।

डिफ़ॉल्ट en

ऑडियो भाषा चयन, जिसमें `None` लंबे inference समय की कीमत पर स्वचालित पहचान का अनुरोध करता है। translate कार्य के लिए अंग्रेज़ी हमेशा अनुवाद की लक्ष्य भाषा होती है, इसलिए यह भाषा चयन आउटपुट भाषा नहीं बदलता।

डिफ़ॉल्ट segment

लौटाए गए चंक्स की ग्रैन्युलैरिटी।

डिफ़ॉल्ट 3

Whisper large फ़ैमिली में संस्करण चयन; इन मॉडलों द्वारा किसी अन्य Whisper वैरिएंट का उपयोग नहीं किया जाता।

डिफ़ॉल्ट 29

स्पीच सेगमेंट की अधिकतम लंबाई, सेकंड में मापी जाती है; इसके बाद विभाजन होता है।

POST /run/wizper?wait=20 कोटेशन → $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"

यह अनुरोध चलाएँ

आपकी key इसी ब्राउज़र में रहती है: इसे केवल Doitong API को भेजा जाता है और केवल तभी (localStorage) में सेव किया जाता है जब आप Remember चुनते हैं। API कुंजी प्राप्त करें

Wizper (Whisper v3) के बारे में

URL से ऑडियो फ़ाइल (mp3, mp4, mpeg, mpga, m4a, wav या webm) का ट्रांसक्रिप्शन करता है या `task` के ज़रिए उसका अंग्रेज़ी में अनुवाद करता है। `language` फ़ील्ड 99 मानों का समर्थन करता है और स्वचालित पहचान भी संभव है। पूरा टेक्स्ट और टाइमस्टैम्प वाले चंक्स लौटाता है। `max_segment_len` (10-29 सेकंड) और `merge_chunks` यह नियंत्रित करते हैं कि सेगमेंट कैसे विभाजित हों।

पैरामीटर

कैनोनिकल नाम या नेटिव नाम में से कोई एक भेजें, दोनों नहीं। कैनोनिकल नाम

नामप्रकार डिफ़ॉल्टअनुमत विवरण
audio_urlआवश्यक audio
प्रकारurl · audio
mp3, mp4, mpeg, mpga, m4a, wav या webm फ़ॉर्मेट वाली ऑडियो फ़ाइल की ओर संकेत करने वाले URL के रूप में दिया गया ट्रांसक्रिप्शन इनपुट।
taskवैकल्पिक
प्रकारenum
डिफ़ॉल्टtranscribe
transcribetranslate
ऑडियो प्रोसेसिंग कार्य: transcribe या translate चुनें।
languageवैकल्पिक
प्रकारenum
डिफ़ॉल्टen
afamarasazbabebgbnbobrbscacscyda
+83 औरdeeleneseteufafifofrglguhahawhehihrhthuhyidisitjajwkakkkmknkolalblnloltlvmgmimkmlmnmrmsmtmynenlnnnoocpaplpsptrorusasdsiskslsnsosqsrsusvswtatetgthtktltrttukuruzviyiyozh
ऑडियो भाषा चयन, जिसमें `None` लंबे inference समय की कीमत पर स्वचालित पहचान का अनुरोध करता है। translate कार्य के लिए अंग्रेज़ी हमेशा अनुवाद की लक्ष्य भाषा होती है, इसलिए यह भाषा चयन आउटपुट भाषा नहीं बदलता।
chunk_levelवैकल्पिक
प्रकारstring
डिफ़ॉल्टsegment
लौटाए गए चंक्स की ग्रैन्युलैरिटी।
max_segment_lenवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट29
10 – 29
स्पीच सेगमेंट की अधिकतम लंबाई, सेकंड में मापी जाती है; इसके बाद विभाजन होता है।
merge_chunksवैकल्पिक
प्रकारboolean
डिफ़ॉल्टtrue
लगातार चंक्स को मर्ज करने का नियंत्रण, जो तभी मर्ज की अनुमति देता है जब परिणामी सेगमेंट की अवधि max_segment_len से अधिक न हो।
versionवैकल्पिक
प्रकारstring
डिफ़ॉल्ट3
Whisper large फ़ैमिली में संस्करण चयन; इन मॉडलों द्वारा किसी अन्य Whisper वैरिएंट का उपयोग नहीं किया जाता।
आवश्यक कैनोनिकल नाम, यह भी स्वीकार्य है

फ़ाइल पैरामीटर में सार्वजनिक https:// URL, 10 MB तक का data: URI, या अपलोड का file_url लिया जाता है। फ़ाइलें

आउटपुट

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"
  }
}
आपकी फ़ाइलें, आपकी पसंदहर outputs[].url हमारे स्टोरेज में एक कॉपी है: हमेशा के लिए (प्रति GB-माह भुगतान) या 7 दिन तक मुफ़्त में, आपके अकाउंट की सेटिंग या ?storage= के अनुसार।
हर मॉडल पर एक जैसा आकारइमेज, वीडियो और ऑडियो सभी के लिए type, url, content_type, width, height और duration। output मॉडल का अपना परिणाम ऑब्जेक्ट है।
आउटपुट के फ़ील्ड
text
stringऑडियो से ट्रांसक्राइब किया गया टेक्स्ट।
chunks
array of object {timestamp, text}टाइमस्टैम्प के साथ ऑडियो चंक्स।
languages
array of enum (string)ऑडियो भाषा-पहचान परिणाम, अनुमानित भाषाओं की सूची के रूप में लौटाए जाते हैं; डिफ़ॉल्ट मान null है।

AI एजेंट के लिए: इस पेज का Markdown यहाँ है https://doitong.com/hi/developers/models/wizper.md. सभी मॉडल और गाइड: https://doitong.com/developers/llms.txt