Prijeđi na sadržaj

Speech-to-Text

Integriraj

ID modela 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/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"

Datoteke poput primjera: 0,008 $ 8 API kredita vaše se datoteke mjere prije pokretanja Pokreni na ovoj stranici

Nabavi API ključ
Open model Govor u tekst

Transkribira dugu audiodatoteku u tekst, uz opcionalnu automatsku interpunkciju i velika početna slova

Open model · Tekst

Vaš prvi rezultat bit će ovdje

Izradite zahtjev u nastavku i pokrenite ga svojim API ključem. Izlazi se kopiraju u našu pohranu i čuvaju zauvijek ili 7 dana besplatno.

Izradi zahtjev

Kontrole se generiraju iz sheme modela. Kôd i cijena ažuriraju se dok ih mijenjate.

•obavezno audio_url
Ispustite datoteku ili

Lokacija duge audio datoteke, navedena kao lokalna putanja datotečnog sustava ili udaljeni URL.

Napredno use_pnc
POST /run/speech-to-text?wait=20 cijena → 0,008 $
# 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/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"

Pokreni ovaj zahtjev

Vaš ključ ostaje u ovom pregledniku: šalje se samo Doitong API-ju i sprema u localStorage samo ako označite Zapamti. Nabavite API ključ

O modelu Speech-to-Text

Standardna transkripcija govora iz audiodatoteke zadane kao `audio_url`. Opcija `use_pnc`, zadano uključena, dodaje interpunkciju i velika početna slova. Rezultat se vraća u `output` zajedno sa zastavicom `partial` koja označava je li transkript još u izradi.

Parametri

Pošaljite kanonski naziv ili izvorni naziv, ne oba. Kanonski nazivi

NazivVrsta ZadanoDopušteno Opis
audio_urlobavezno audio
Vrstaurl · audio
Lokacija duge audio datoteke, navedena kao lokalna putanja datotečnog sustava ili udaljeni URL.
use_pncneobavezno
Vrstaboolean
Zadanotrue
Omogućuje integrirano umetanje interpunkcije i velika slova u Canaryju.
obavezno Kanonski naziv, također prihvaćen

Parametri datoteka prihvaćaju javni https:// URL, data: URI do 10 MB ili file_url prenesene datoteke. Datoteke

Izlaz

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "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": 8,
    "usd": "0.008",
    "charged": 8,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "output": "string",
    "partial": false
  },
  "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"
  }
}
Vaše datoteke, vaš izborSvaki outputs[].url kopija je u našoj pohrani: čuva se zauvijek (naplaćuje se po GB-mjesecu) ili 7 dana besplatno, prema postavci računa ili ?storage=.
Isti oblik na svakom modelutype, url, content_type, width, height i duration za slike, videozapise i zvuk. output je vlastiti objekt rezultata modela.
Polja izlaza
output
stringTranskripcija koju je izradio Canary, djelomična ili završena.
partial
booleanOznaka koja identificira djelomičnu transkripciju čija je obrada još u tijeku.

Više modela: Govor u tekst

Za AI agente: ova je stranica u Markdownu dostupna na https://doitong.com/hr/developers/models/speech-to-text.md. Svi modeli i vodiči: https://doitong.com/developers/llms.txt