Aqbeż għall-kontenut

Wizper (Whisper v3)

Integra

Id tal-mudell 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"

Sa $1.998 għal kull eżekuzzjoni titħallas skont l-użu attwali, il-bqija tiġi rifuża Ħaddmu f’din il-paġna

Ikseb ċavetta API
OpenAI Diskors għal test #transcription#speech

Traskrizzjoni tad-diskors b’Whisper v3 u traduzzjoni għall-Ingliż bi chunks b’timestamps

OpenAI · Test

L-ewwel riżultat tiegħek jidher hawn

Ibni talba hawn taħt u ħaddimha biċ-ċavetta API tiegħek. L-outputs jiġu kkupjati fil-ħażna tagħna, miżmuma għal dejjem jew 7 ijiem b’xejn.

Ibni talba

Il-kontrolli jiġu ġġenerati mill-iskema tal-mudell. Il-kodiċi u l-prezz jaġġornaw hekk kif tibdilhom.

•meħtieġ audio_url
Waqqa’ fajl, jew

Input tat-traskrizzjoni pprovdut bħala URL li jindika fajl awdjo f’format mp3, mp4, mpeg, mpga, m4a, wav jew webm.

Avvanzat task · language · chunk_level · version · max_segment_len · merge_chunks
task prestabbilit transcribe

Kompitu tal-ipproċessar tal-awdjo: agħżel transcribe jew translate.

prestabbilit en

Għażla tal-lingwa tal-awdjo, fejn `None` jitlob skoperta awtomatika bi spiża ta’ ħin itwal għall-inferenza. Għall-kompitu translate, l-Ingliż huwa dejjem il-mira tat-traduzzjoni, għalhekk din l-għażla tal-lingwa ma tbiddilx il-lingwa tal-output.

prestabbilit segment

Granularità tal-biċċiet ritornati.

prestabbilit 3

Għażla tal-verżjoni fi ħdan il-familja Whisper large; l-ebda varjant ieħor ta’ Whisper ma jintuża minn dawn il-mudelli.

prestabbilit 29

Limitu tat-tul tas-segment tad-diskors, imkejjel f’sekondi, li warajh isir it-tqassim.

POST /run/wizper?wait=20 kwotazzjoni → $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"

Ħaddem din it-talba

Iċ-ċavetta tiegħek tibqa’ f’dan il-browser: tintbagħat biss lid-Doitong API u tiġi ssejvjata (localStorage) biss jekk timmarka Ftakar. Ikseb ċavetta API

Dwar Wizper (Whisper v3)

Jittraskrivi fajl awdjo minn URL (mp3, mp4, mpeg, mpga, m4a, wav jew webm), jew jittraduċih għall-Ingliż b’`task`. Il-qasam `language` jappoġġja 99 valur, u huwa possibbli s-sejbien awtomatiku. Jirritorna t-test sħiħ flimkien ma’ chunks b’timestamps. `max_segment_len` (10-29 sekondi) u `merge_chunks` jikkontrollaw kif jinqasmu s-segmenti.

Parametri

Ibgħat jew l-isem kanoniku jew l-isem nattiv, mhux it-tnejn. Ismijiet kanoniċi

IsemTip PrestabbilitPermess Deskrizzjoni
audio_urlmeħtieġ audio
Tipurl · audio
Input tat-traskrizzjoni pprovdut bħala URL li jindika fajl awdjo f’format mp3, mp4, mpeg, mpga, m4a, wav jew webm.
taskmhux obbligatorju
Tipenum
Prestabbilittranscribe
transcribetranslate
Kompitu tal-ipproċessar tal-awdjo: agħżel transcribe jew translate.
languagemhux obbligatorju
Tipenum
Prestabbiliten
afamarasazbabebgbnbobrbscacscyda
+83 oħradeeleneseteufafifofrglguhahawhehihrhthuhyidisitjajwkakkkmknkolalblnloltlvmgmimkmlmnmrmsmtmynenlnnnoocpaplpsptrorusasdsiskslsnsosqsrsusvswtatetgthtktltrttukuruzviyiyozh
Għażla tal-lingwa tal-awdjo, fejn `None` jitlob skoperta awtomatika bi spiża ta’ ħin itwal għall-inferenza. Għall-kompitu translate, l-Ingliż huwa dejjem il-mira tat-traduzzjoni, għalhekk din l-għażla tal-lingwa ma tbiddilx il-lingwa tal-output.
chunk_levelmhux obbligatorju
Tipstring
Prestabbilitsegment
Granularità tal-biċċiet ritornati.
max_segment_lenmhux obbligatorju
Tipinteger
Prestabbilit29
10 – 29
Limitu tat-tul tas-segment tad-diskors, imkejjel f’sekondi, li warajh isir it-tqassim.
merge_chunksmhux obbligatorju
Tipboolean
Prestabbilittrue
Kontroll tal-għaqda ta’ biċċiet konsekuttivi, li jippermetti għaqda biss jekk it-tul tas-segment li jirriżulta ma jkunx akbar minn max_segment_len.
versionmhux obbligatorju
Tipstring
Prestabbilit3
Għażla tal-verżjoni fi ħdan il-familja Whisper large; l-ebda varjant ieħor ta’ Whisper ma jintuża minn dawn il-mudelli.
meħtieġ Isem kanoniku, aċċettat ukoll

Il-parametri tal-fajls jaċċettaw URL pubbliku https://, URI data: sa 10 MB, jew file_url ta’ upload. Fajls

Output

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"
  }
}
Il-fajls tiegħek, l-għażla tiegħekKull outputs[].url huwa kopja fil-ħażna tagħna: miżmuma għal dejjem (imħallsa għal kull GB-xahar) jew 7 ijiem b’xejn, skont l-issettjar tal-kont tiegħek jew ?storage=.
L-istess struttura fuq kull mudelltype, url, content_type, width, height u duration, kemm għall-immaġnijiet kif ukoll għall-vidjo u l-awdjo. output huwa l-oġġett tar-riżultat tal-mudell innifsu.
Oqsma tal-output
text
stringTest traskritt mill-awdjo.
chunks
array of object {timestamp, text}Biċċiet tal-awdjo akkumpanjati minn timstamps.
languages
array of enum (string)Riżultati tal-iskoperta tal-lingwa tal-awdjo, ritornati bħala lista ta’ lingwi dedotti b’null bħala l-valur prestabbilit.

Għall-aġenti tal-AI: din il-paġna bħala Markdown tinsab fuq https://doitong.com/mt/developers/models/wizper.md. Il-mudelli u l-gwidi kollha: https://doitong.com/developers/llms.txt