Sleppa yfir í efni

Wizper (Whisper v3)

Tengja

Auðkenni líkans 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"

Allt að 1,998 $ fyrir hverja keyrslu gjaldfært eftir raunverulegri notkun, afgangurinn endurgreiddur Keyra á þessari síðu

Fá API-lykil
OpenAI Tal í texta #transcription#speech

Talafritun og þýðing Whisper v3 yfir á ensku með tímastimpluðum hlutum

OpenAI · Texti

Fyrsta niðurstaðan þín birtist hér

Búðu til beiðni hér að neðan og keyrðu hana með API-lyklinum þínum. Úttök eru afrituð í geymsluna okkar og geymd að eilífu eða 7 dagar án kostnaðar.

Búa til beiðni

Stýringar eru búnar til út frá líkanaskemanu. Kóðinn og verðið uppfærast þegar þú breytir þeim.

•áskilið audio_url
Slepptu skrá eða

Inntak fyrir umritun, sent sem vefslóð sem vísar á hljóðskrá á mp3-, mp4-, mpeg-, mpga-, m4a-, wav- eða webm-sniði.

Ítarlegt task · language · chunk_level · version · max_segment_len · merge_chunks
task sjálfgefið transcribe

Verkefni fyrir hljóðvinnslu: veldu transcribe eða translate.

sjálfgefið en

Val á tungumáli hljóðs, þar sem `None` biður um sjálfvirka greiningu á kostnað lengri ályktunartíma. Fyrir translate-verkefnið er enska alltaf þýðingarmálið, þannig að þetta tungumálaval breytir ekki tungumáli úttaksins.

sjálfgefið segment

Nákvæmni skilaðra búta.

sjálfgefið 3

Val á útgáfu innan Whisper large-líkanafjölskyldunnar; engin önnur Whisper-afbrigði eru notuð af þessum líkönum.

sjálfgefið 29

Hámarkslengd talhluta, mæld í sekúndum, en eftir það er skipt.

POST /run/wizper?wait=20 verðtilboð → 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"

Keyra þessa beiðni

Lykillinn þinn er áfram í þessum vafra: hann er aðeins sendur til Doitong API og vistaður í localStorage aðeins ef þú hakar við Muna. Fá API-lykil

Um Wizper (Whisper v3)

Afritar hljóðskrá úr vefslóð (mp3, mp4, mpeg, mpga, m4a, wav eða webm), eða þýðir hana yfir á ensku með `task`. `language`-reiturinn styður 99 gildi og sjálfvirk greining er möguleg. Skilar öllum textanum ásamt tímastimpluðum hlutum. `max_segment_len` (10-29 sekúndur) og `merge_chunks` stýra því hvernig hlutum er skipt.

Færibreytur

Sendu annaðhvort samræmda heitið eða upprunalega heitið, ekki bæði. Samræmd heiti

HeitiGerð SjálfgefiðLeyfilegt Lýsing
audio_urláskilið audio
Gerðurl · audio
Inntak fyrir umritun, sent sem vefslóð sem vísar á hljóðskrá á mp3-, mp4-, mpeg-, mpga-, m4a-, wav- eða webm-sniði.
taskvalfrjálst
Gerðenum
Sjálfgefiðtranscribe
transcribetranslate
Verkefni fyrir hljóðvinnslu: veldu transcribe eða translate.
languagevalfrjálst
Gerðenum
Sjálfgefiðen
afamarasazbabebgbnbobrbscacscyda
+83 í viðbótdeeleneseteufafifofrglguhahawhehihrhthuhyidisitjajwkakkkmknkolalblnloltlvmgmimkmlmnmrmsmtmynenlnnnoocpaplpsptrorusasdsiskslsnsosqsrsusvswtatetgthtktltrttukuruzviyiyozh
Val á tungumáli hljóðs, þar sem `None` biður um sjálfvirka greiningu á kostnað lengri ályktunartíma. Fyrir translate-verkefnið er enska alltaf þýðingarmálið, þannig að þetta tungumálaval breytir ekki tungumáli úttaksins.
chunk_levelvalfrjálst
Gerðstring
Sjálfgefiðsegment
Nákvæmni skilaðra búta.
max_segment_lenvalfrjálst
Gerðinteger
Sjálfgefið29
10 – 29
Hámarkslengd talhluta, mæld í sekúndum, en eftir það er skipt.
merge_chunksvalfrjálst
Gerðboolean
Sjálfgefiðtrue
Stýring á sameiningu samliggjandi búta; sameining er aðeins leyfð ef lengd niðurstöðuhlutans er ekki meiri en max_segment_len.
versionvalfrjálst
Gerðstring
Sjálfgefið3
Val á útgáfu innan Whisper large-líkanafjölskyldunnar; engin önnur Whisper-afbrigði eru notuð af þessum líkönum.
áskilið Samræmt heiti, einnig samþykkt

Skrárfæribreytur taka við opinberri https://-vefslóð, data:-URI allt að 10 MB eða file_url fyrir upphleðslu. Skrár

Úttak

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"
  }
}
Skrárnar þínar, þitt valHvert outputs[].url er afrit í geymslunni okkar: geymt að eilífu (greitt fyrir hvert GB-mánuðargildi) eða 7 dagar án kostnaðar, eftir stillingu aðgangsins þíns eða ?storage=.
Sama lögun í öllum líkönumtype, url, content_type, width, height og duration, jafnt fyrir myndir, myndbönd og hljóð. output er eigið niðurstöðuhlutur líkansins.
Reitir úttaks
text
stringTexti umritaður úr hljóðinu.
chunks
array of object {timestamp, text}Hljóðbitar með tímastimplum.
languages
array of enum (string)Niðurstöður úr greiningu á tungumáli hljóðs, skilað sem listi yfir ályktað tungumál, þar sem null er sjálfgefið gildi.

Fyrir gervigreindarþjóna: þessi síða á Markdown-sniði er á https://doitong.com/is/developers/models/wizper.md. Öll líkön og leiðbeiningar: https://doitong.com/developers/llms.txt