Pereiti prie turinio

Wizper (Whisper v3)

Integruoti

Modelio 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"

Iki 1,998 $ už vykdymą mokama pagal faktinį naudojimą, likusi suma grąžinama Paleisti šiame puslapyje

Gauti API raktą
OpenAI Kalba į tekstą #transcription#speech

Whisper v3 kalbos transkripcija ir vertimas į anglų kalbą su laiko žymomis pažymėtais segmentais

OpenAI · Tekstas

Čia bus pirmasis jūsų rezultatas

Sukurkite užklausą toliau ir paleiskite ją naudodami savo API raktą. Išvestys nukopijuojamos į mūsų saugyklą ir saugomos neribotą laiką arba 7 dienos nemokamai.

Sukurti užklausą

Valdikliai sugeneruojami pagal modelio schemą. Keisdami juos atnaujinsite kodą ir kainą.

•privaloma audio_url
Įmeskite failą arba

Transkribavimo įvestis, pateikta kaip URL, nurodantis garso failą mp3, mp4, mpeg, mpga, m4a, wav arba webm formatu.

Išplėstiniai task · language · chunk_level · version · max_segment_len · merge_chunks
task numatytoji transcribe

Garso apdorojimo užduotis: pasirinkite transcribe arba translate.

numatytoji en

Garso kalbos pasirinkimas; `None` prašo automatinio aptikimo, tačiau dėl to išvada užtrunka ilgiau. Atliekant translate užduotį, vertimo tikslinė kalba visada yra anglų, todėl šis kalbos pasirinkimas išvesties kalbos nekeičia.

numatytoji segment

Grąžinamų segmentų detalumo lygis.

numatytoji 3

Versijos pasirinkimas Whisper large šeimoje; šie modeliai nenaudoja jokio kito Whisper varianto.

numatytoji 29

Kalbos segmento ilgio riba sekundėmis, po kurios segmentas skaidomas.

POST /run/wizper?wait=20 kaina → 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"

Vykdyti šią užklausą

Jūsų raktas lieka šioje naršyklėje: jis siunčiamas tik į Doitong API ir išsaugomas (localStorage) tik pažymėjus Prisiminti. Gauti API raktą

Apie Wizper (Whisper v3)

Transkribuoja garso failą iš URL (mp3, mp4, mpeg, mpga, m4a, wav arba webm) arba išverčia jį į anglų kalbą naudodamas `task`. Laukas `language` palaiko 99 reikšmes, taip pat galimas automatinis aptikimas. Grąžina visą tekstą ir laiko žymomis pažymėtus segmentus. `max_segment_len` (10–29 sekundės) ir `merge_chunks` kontroliuoja segmentų skaidymą.

Parametrai

Siųskite arba kanoninį, arba savąjį pavadinimą, bet ne abu. Kanoniniai pavadinimai

PavadinimasTipas Numatytoji reikšmėLeidžiama Aprašas
audio_urlprivaloma audio
Tipasurl · audio
Transkribavimo įvestis, pateikta kaip URL, nurodantis garso failą mp3, mp4, mpeg, mpga, m4a, wav arba webm formatu.
taskneprivalomas
Tipasenum
Numatytoji reikšmėtranscribe
transcribetranslate
Garso apdorojimo užduotis: pasirinkite transcribe arba translate.
languageneprivalomas
Tipasenum
Numatytoji reikšmėen
afamarasazbabebgbnbobrbscacscyda
dar +83deeleneseteufafifofrglguhahawhehihrhthuhyidisitjajwkakkkmknkolalblnloltlvmgmimkmlmnmrmsmtmynenlnnnoocpaplpsptrorusasdsiskslsnsosqsrsusvswtatetgthtktltrttukuruzviyiyozh
Garso kalbos pasirinkimas; `None` prašo automatinio aptikimo, tačiau dėl to išvada užtrunka ilgiau. Atliekant translate užduotį, vertimo tikslinė kalba visada yra anglų, todėl šis kalbos pasirinkimas išvesties kalbos nekeičia.
chunk_levelneprivalomas
Tipasstring
Numatytoji reikšmėsegment
Grąžinamų segmentų detalumo lygis.
max_segment_lenneprivalomas
Tipasinteger
Numatytoji reikšmė29
10 – 29
Kalbos segmento ilgio riba sekundėmis, po kurios segmentas skaidomas.
merge_chunksneprivalomas
Tipasboolean
Numatytoji reikšmėtrue
Gretimų segmentų sujungimo valdiklis: sujungti leidžiama tik tada, kai gauto segmento trukmė neviršija max_segment_len.
versionneprivalomas
Tipasstring
Numatytoji reikšmė3
Versijos pasirinkimas Whisper large šeimoje; šie modeliai nenaudoja jokio kito Whisper varianto.
privaloma Kanoninis pavadinimas, taip pat priimamas

Failų parametrams reikia viešo https:// URL, ne didesnio nei 10 MB data: URI arba įkelto failo file_url. Failai

Išvestis

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"
  }
}
Jūsų failai — jūsų pasirinkimasKiekvienas outputs[].url yra kopija mūsų saugykloje: saugoma neribotą laiką (mokama už GB per mėnesį) arba 7 dienos nemokamai, pagal paskyros nustatymą arba ?storage=.
Ta pati struktūra kiekviename modelyjetype, url, content_type, width, height ir duration taikomi vaizdams, vaizdo įrašams ir garsui. output yra paties modelio rezultatų objektas.
Išvesties laukai
text
stringIš garso transkribuotas tekstas.
chunks
array of object {timestamp, text}Garso segmentai su laiko žymomis.
languages
array of enum (string)Garso kalbos aptikimo rezultatai, grąžinami kaip nustatytų kalbų sąrašas; numatytoji reikšmė yra null.

AI agentams: šis puslapis Markdown formatu pateikiamas adresu https://doitong.com/lt/developers/models/wizper.md. Visi modeliai ir vadovai: https://doitong.com/developers/llms.txt