Ugrás a tartalomhoz

Wizper (Whisper v3)

Integráció

Modellazonosító 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"

Futtatásonként legfeljebb 1,998 $ a tényleges használat alapján számlázunk, a fennmaradó összeget visszatérítjük Futtatás ezen az oldalon

API-kulcs beszerzése
OpenAI Beszédből szöveg #transcription#speech

Whisper v3 beszédfelismerés és angolra fordítás időbélyeggel ellátott szegmensekkel

OpenAI · Szöveg

Az első eredményed itt jelenik meg

Állíts össze egy kérést alább, majd futtasd az API-kulcsoddal. A kimeneteket a tárhelyünkre másoljuk, és örökre vagy 7 nap ideig ingyenesen őrizzük meg.

Kérés összeállítása

A vezérlők a modell sémájából jönnek létre. A kód és az ár a módosításokkal együtt frissül.

•kötelező audio_url
Húzz egy fájlt ide, vagy

URL-ként megadott átírási bemenet, amely mp3, mp4, mpeg, mpga, m4a, wav vagy webm formátumú hangfájlra mutat.

Speciális task · language · chunk_level · version · max_segment_len · merge_chunks
task alapértelmezett: transcribe

Hangfeldolgozási feladat: válaszd a transcribe vagy translate lehetőséget.

alapértelmezett: en

A hang nyelvének kiválasztása; a `None` automatikus felismerést kér, hosszabb következtetési idő árán. A translate feladatnál a fordítás célja mindig az angol, ezért ez a nyelvválasztás nem módosítja a kimenet nyelvét.

alapértelmezett: segment

A visszaadott részek részletességi szintje.

alapértelmezett: 3

Verzióválasztás a Whisper large családon belül; ezek a modellek nem használnak más Whisper-változatot.

alapértelmezett: 29

A beszédszakasz maximális hossza másodpercben, amely után felosztás történik.

POST /run/wizper?wait=20 ár → 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"

Kérés futtatása

A kulcsod ebben a böngészőben marad: csak a Doitong API-nak küldjük el, és csak akkor mentjük a localStorage-ba, ha bejelölöd az Emlékezz rám lehetőséget. API-kulcs igénylése

A(z) Wizper (Whisper v3) bemutatása

URL-címről átiratot készít egy hangfájlból (mp3, mp4, mpeg, mpga, m4a, wav vagy webm), vagy a `task` használatával angolra fordítja. A `language` mező 99 értéket támogat, és az automatikus felismerés is lehetséges. A teljes szöveget és időbélyeggel ellátott szegmenseket ad vissza. A `max_segment_len` (10–29 másodperc) és a `merge_chunks` szabályozza a szegmensek felosztását.

Paraméterek

Küldd el a kanonikus nevet vagy a natív nevet, de ne mindkettőt. Kanonikus nevek

NévTípus AlapértelmezettEngedélyezett Leírás
audio_urlkötelező audio
Típusurl · audio
URL-ként megadott átírási bemenet, amely mp3, mp4, mpeg, mpga, m4a, wav vagy webm formátumú hangfájlra mutat.
tasknem kötelező
Típusenum
Alapértelmezetttranscribe
transcribetranslate
Hangfeldolgozási feladat: válaszd a transcribe vagy translate lehetőséget.
languagenem kötelező
Típusenum
Alapértelmezetten
afamarasazbabebgbnbobrbscacscyda
+83 továbbideeleneseteufafifofrglguhahawhehihrhthuhyidisitjajwkakkkmknkolalblnloltlvmgmimkmlmnmrmsmtmynenlnnnoocpaplpsptrorusasdsiskslsnsosqsrsusvswtatetgthtktltrttukuruzviyiyozh
A hang nyelvének kiválasztása; a `None` automatikus felismerést kér, hosszabb következtetési idő árán. A translate feladatnál a fordítás célja mindig az angol, ezért ez a nyelvválasztás nem módosítja a kimenet nyelvét.
chunk_levelnem kötelező
Típusstring
Alapértelmezettsegment
A visszaadott részek részletességi szintje.
max_segment_lennem kötelező
Típusinteger
Alapértelmezett29
10 – 29
A beszédszakasz maximális hossza másodpercben, amely után felosztás történik.
merge_chunksnem kötelező
Típusboolean
Alapértelmezetttrue
Az egymást követő részek összevonásának vezérlése; összevonás csak akkor engedélyezett, ha az eredményül kapott szakasz időtartama legfeljebb max_segment_len.
versionnem kötelező
Típusstring
Alapértelmezett3
Verzióválasztás a Whisper large családon belül; ezek a modellek nem használnak más Whisper-változatot.
kötelező Kanonikus név, szintén elfogadva

A fájlparaméterek nyilvános https:// URL-t, legfeljebb 10 MB-os data: URI-t vagy egy feltöltés file_url értékét fogadják el. Fájlok

Kimenet

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"
  }
}
Az Ön fájljai, az Ön döntéseMinden outputs[].url a tárhelyünkön lévő másolat: örökre megőrizve (GB-hónaponként fizetve) vagy 7 nap ideig ingyenesen, a fiókbeállításod vagy a ?storage= alapján.
Azonos struktúra minden modellentype, url, content_type, width, height és duration képekhez, videókhoz és hanganyagokhoz egyaránt. Az output a modell saját eredményobjektuma.
A kimenet mezői
text
stringA hangból átírt szöveg.
chunks
array of object {timestamp, text}Időbélyegekkel kiegészített hangrészek.
languages
array of enum (string)A hang nyelvfelismerési eredményei, a felismert nyelvek listájaként visszaadva; az alapértelmezett érték null.

AI-ügynököknek: ez az oldal Markdown formátumban itt található: https://doitong.com/hu/developers/models/wizper.md. Minden modell és útmutató: https://doitong.com/developers/llms.txt