Op den Inhalt sprangen

Auto-Captioner

Integréieren

Modell-ID auto-caption
# 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/auto-caption?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }'

# 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"

Dës Ufro: 0,10 $ 100 API-Kreditter Op dëser Säit ausféieren

API-Schlëssel kréien
Utility Video zu Video #captioning#video

Füügt engem Video sproochbaséiert Ënnertitelen derbäi, mat upassbarer Faarf, Schrëft, Gréisst a Positioun

Utility · Donnéeën (JSON)

Äin éischt Resultat kënnt hei hin

Baut hei drënner eng Ufro a féiert se mat Ärem API-Schlëssel aus. Output gëtt an eis Späicherung kopéiert, fir ëmmer oder 7 Deeg gratis gespäichert.

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

•obligatoresch video_url
Fichier erofzéien, oder

Video-URL fir eng Audio-enthalen .mp4-Datei ënner 400 MB.

Erweidert text_case · txt_color · txt_font · font_size · stroke_width · refresh_interval · left_align · top_align
text_case Standard default

'default' wielen, fir d'Grouss- a Klengschreiwung vun den Ënnertitelen ze behalen, wéi se vun der Sproocherkennung produzéiert gëtt. Fir se z'änneren, 'upper' fir Groussbuschtawen oder 'lower' fir Klengbuschtawen auswielen.

Standard white

D'Faarf vum Text mat hexadezimaler Notatioun, engem RGB-Tupel oder engem Faarfnumm astellen.

Standard Standard

D'Schrëft vum Text mat enger URL op eng .ttf-Datei oder enger agebauter Schrëft astellen: 'Arial', 'Standard', 'Garamond', 'Times New Roman' oder 'Georgia'.

Standard 24

Textgréisst fir déi generéiert Ënnertitelen.

Standard 1

Dicke vum Textkontur, gemooss a Pixel.

Standard 1.5

Bestëmmt, wéi vill Ënnertiteltext während sengem Affichage-Intervall zesumme gewise gëtt, gemooss a Sekonnen: Eng méi laang Affichagezäit weist méi Text gläichzäiteg.

Standard center

Text horizontal mat engem Float tëscht 0.0 an 1.0 ausriichten oder déi benannt Positioun 'left', 'center' oder 'right' auswielen.

Standard center

Text vertikal mat engem Float tëscht 0.0 an 1.0 ausriichten oder déi benannt Positioun 'top', 'center' oder 'bottom' auswielen.

POST /run/auto-caption?wait=20 Präis → 0,10 $
# 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/auto-caption?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }'

# 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"

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer Auto-Captioner

Transkribéiert den Audio vun engem .mp4 `video_url` (ënner 400MB) a brennt Ënnertitelen an de Video. Styliséiert se mat `txt_color`, `txt_font`, `font_size`, `stroke_width` an `text_case`. D'Positioun benotzt `left_align` an `top_align`. `refresh_interval` vun 0.5 bis 3 Sekonne setzt, wéi laang d'Ënnertitelen um Bildschierm bleiwen.

Parameteren

Schéck entweder den kanoneschen Numm oder den natierlechen Numm, net béid. Kanonesch Nimm

NummTyp StandardErlaabt Beschreiwung
video_urlobligatoresch video
Typurl · video
Video-URL fir eng Audio-enthalen .mp4-Datei ënner 400 MB.
txt_coloroptional
Typstring
Standardwhite
D'Faarf vum Text mat hexadezimaler Notatioun, engem RGB-Tupel oder engem Faarfnumm astellen.
txt_fontoptional
Typstring
StandardStandard
D'Schrëft vum Text mat enger URL op eng .ttf-Datei oder enger agebauter Schrëft astellen: 'Arial', 'Standard', 'Garamond', 'Times New Roman' oder 'Georgia'.
font_sizeoptional
Typinteger
Standard24
Textgréisst fir déi generéiert Ënnertitelen.
stroke_widthoptional
Typinteger
Standard1
Dicke vum Textkontur, gemooss a Pixel.
left_alignoptional
Typstring | number
Standardcenter
Text horizontal mat engem Float tëscht 0.0 an 1.0 ausriichten oder déi benannt Positioun 'left', 'center' oder 'right' auswielen.
top_alignoptional
Typstring | number
Standardcenter
Text vertikal mat engem Float tëscht 0.0 an 1.0 ausriichten oder déi benannt Positioun 'top', 'center' oder 'bottom' auswielen.
refresh_intervaloptional
Typnumber
Standard1.5
0,5 – 3
Bestëmmt, wéi vill Ënnertiteltext während sengem Affichage-Intervall zesumme gewise gëtt, gemooss a Sekonnen: Eng méi laang Affichagezäit weist méi Text gläichzäiteg.
text_caseoptional
Typenum
Standarddefault
defaultupperlower
'default' wielen, fir d'Grouss- a Klengschreiwung vun den Ënnertitelen ze behalen, wéi se vun der Sproocherkennung produzéiert gëtt. Fir se z'änneren, 'upper' fir Groussbuschtawen oder 'lower' fir Klengbuschtawen auswielen.
obligatoresch Kanoneschen Numm, och akzeptéiert

Fichierparameter akzeptéieren eng ëffentlech https:// URL, eng data: URI bis zu 10 MB oder de file_url vun engem Upload. Fichieren

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "auto-caption",
  "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": 100,
    "usd": "0.10",
    "charged": 100,
    "refunded": 0
  },
  "input": {
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  },
  "output": {
    "video_url": "string"
  },
  "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"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
video_url
string (video URL)URL op de Video mat Ënnertitelen als .mp4.

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/auto-caption.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt