Gå til innhold

ElevenLabs Speech to Text

Integrer

Modell-ID elevenlabs/speech-to-text
# 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/elevenlabs/speech-to-text?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"

Filer som eksempelet: 0,03 $ 30 API-kreditter filene dine måles før kjøring Kjør den på denne siden

Hent API-nøkkel
ElevenLabs Tale til tekst #speech

Generell transkripsjon av tale med talerdiarisering, lydhendelsestagger og detaljer på ordnivå

ElevenLabs · Tekst

Det første resultatet ditt kommer her

Bygg en forespørsel nedenfor og kjør den med API-nøkkelen din. Utdata kopieres til lagringen vår, lagret for alltid eller 7 dager gratis.

Bygg en forespørsel

Kontrollene genereres fra modellskjemaet. Koden og prisen oppdateres når du endrer dem.

•obligatorisk audio_url
Slipp en fil, eller

URL som peker til lyd for transkripsjon.

Avansert language_code · tag_audio_events · diarize

Kode som identifiserer lydens språk.

POST /run/elevenlabs/speech-to-text?wait=20 pris → 0,03 $
# 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/elevenlabs/speech-to-text?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"

Kjør denne forespørselen

Nøkkelen din blir i denne nettleseren: Den sendes bare til Doitong API og lagres bare i localStorage hvis du krysser av for Husk. Hent en API-nøkkel

Om ElevenLabs Speech to Text

Transkriberer en lydfil til tekst. Angi `language_code`, eller la feltet stå tomt for automatisk gjenkjenning. `diarize` markerer hvem som snakker, og `tag_audio_events` markerer lyder som latter; begge er aktivert som standard. Utdataene inneholder full tekst, språket og sikkerheten for språkdeteksjonen samt detaljer på ordnivå.

Parametere

Send enten det kanoniske navnet eller det opprinnelige navnet, ikke begge. Kanoniske navn

NavnType StandardTillatt Beskrivelse
audio_urlobligatorisk audio
Typeurl · audio
URL som peker til lyd for transkripsjon.
language_codevalgfritt
Typestring | null
Kode som identifiserer lydens språk.
tag_audio_eventsvalgfritt
Typeboolean
Standardtrue
Styrer merking av lydhendelser, for eksempel latter eller applaus.
diarizevalgfritt
Typeboolean
Standardtrue
Styrer om taleridentiteter merkes.
obligatorisk Kanonisk navn, også godkjent

Filparametere tar imot en offentlig https:// URL, en data: URI på opptil 10 MB eller file_url fra en opplasting. Filer

Utdata

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "elevenlabs/speech-to-text",
  "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": 30,
    "usd": "0.03",
    "charged": 30,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "text": "string",
    "language_code": "string",
    "language_probability": 1.0,
    "words": [
      {
        "text": "string",
        "start": 1.0,
        "end": 1.0,
        "type": "string",
        "speaker_id": "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"
  }
}
Filene dine, ditt valgHver outputs[].url er en kopi på lagringen vår: lagret for alltid (betalt per GB-måned) eller 7 dager gratis, styrt av kontoinnstillingen din eller ?storage=.
Samme struktur for hver modelltype, url, content_type, width, height og duration, for bilder, video og lyd. output er modellens eget resultatobjekt.
Utdatafelt
text
stringFullstendig tekst fra transkripsjonen.
language_code
stringSpråkkode hentet gjennom oppdagelse eller eksplisitt angivelse.
language_probability
numberSikkerhetspoeng for det oppdagede språket.
words
array of object {text, start, end, type, speaker_id}Transkripsjonsinformasjon for individuelle ord.

Flere modeller: Tale til tekst

For AI-agenter: Denne siden som Markdown finnes på https://doitong.com/no/developers/models/elevenlabs/speech-to-text.md. Alle modeller og veiledninger: https://doitong.com/developers/llms.txt