ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

Speech-to-Text

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ id 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/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"

ਉਦਾਹਰਨ ਵਰਗੀਆਂ ਫ਼ਾਈਲਾਂ: $0.008 8 API ਕ੍ਰੈਡਿਟ ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਮਾਪੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ

ਵਿਕਲਪਿਕ ਆਟੋਮੈਟਿਕ ਵਿਸ਼ਰਾਮ-ਚਿੰਨ੍ਹਾਂ ਅਤੇ ਵੱਡੇ ਅੱਖਰਾਂ ਨਾਲ ਲੰਬੀ ਆਡੀਓ ਫ਼ਾਈਲ ਨੂੰ ਟੈਕਸਟ ਵਿੱਚ ਟ੍ਰਾਂਸਕ੍ਰਾਈਬ ਕਰਦਾ ਹੈ

Open model · ਟੈਕਸਟ

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਹੇਠਾਂ ਬੇਨਤੀ ਬਣਾਓ ਅਤੇ ਆਪਣੀ API ਕੁੰਜੀ ਨਾਲ ਚਲਾਓ। ਆਉਟਪੁੱਟ ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਕਾਪੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਹਮੇਸ਼ਾ ਲਈ ਜਾਂ ਮੁਫ਼ਤ ਵਿੱਚ 7 ਦਿਨ ਤੱਕ ਰੱਖੇ ਜਾਂਦੇ ਹਨ।

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੰਟਰੋਲ ਮਾਡਲ ਸਕੀਮਾ ਤੋਂ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਬਦਲਾਅ ਕਰਦੇ ਹੀ ਕੋਡ ਅਤੇ ਕੀਮਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦੇ ਹਨ।

•ਲੋੜੀਂਦਾ audio_url
ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ

ਲੰਬੀ ਆਡੀਓ ਫ਼ਾਈਲ ਦਾ ਟਿਕਾਣਾ, ਜੋ ਸਥਾਨਕ ਫ਼ਾਈਲ ਸਿਸਟਮ ਪਾਥ ਜਾਂ ਰਿਮੋਟ URL ਵਜੋਂ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ।

ਉੱਨਤ use_pnc
POST /run/speech-to-text?wait=20 ਕੋਟ → $0.008
# 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/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"

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

ਤੁਹਾਡੀ key ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ: ਇਹ ਸਿਰਫ਼ Doitong API ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਤਾਂ ਹੀ (localStorage) ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਜੇ ਤੁਸੀਂ Remember ਚੁਣੋ। API ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰੋ

Speech-to-Text ਬਾਰੇ

`audio_url` ਵਜੋਂ ਦਿੱਤੀ ਆਡੀਓ ਫ਼ਾਈਲ ਲਈ ਮਿਆਰੀ ਬੋਲੀ ਟ੍ਰਾਂਸਕ੍ਰਿਪਸ਼ਨ। ਮੂਲ ਰੂਪ ਵਿੱਚ ਚਾਲੂ `use_pnc` ਵਿਕਲਪ ਵਿਸ਼ਰਾਮ-ਚਿੰਨ੍ਹ ਅਤੇ ਵੱਡੇ ਅੱਖਰ ਜੋੜਦਾ ਹੈ। ਨਤੀਜਾ `output` ਵਿੱਚ ਵਾਪਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ `partial` ਫ਼ਲੈਗ ਦੱਸਦਾ ਹੈ ਕਿ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਅਜੇ ਪ੍ਰਗਤੀ ਵਿੱਚ ਹੈ ਜਾਂ ਨਹੀਂ।

ਪੈਰਾਮੀਟਰ

ਕੈਨੋਨਿਕਲ ਨਾਮ ਜਾਂ ਨੇਟਿਵ ਨਾਮ ਵਿੱਚੋਂ ਕੋਈ ਇੱਕ ਭੇਜੋ, ਦੋਵੇਂ ਨਹੀਂ। ਕੈਨੋਨਿਕਲ ਨਾਮ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
audio_urlਲੋੜੀਂਦਾ audio
ਕਿਸਮurl · audio
ਲੰਬੀ ਆਡੀਓ ਫ਼ਾਈਲ ਦਾ ਟਿਕਾਣਾ, ਜੋ ਸਥਾਨਕ ਫ਼ਾਈਲ ਸਿਸਟਮ ਪਾਥ ਜਾਂ ਰਿਮੋਟ URL ਵਜੋਂ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ।
use_pncਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟtrue
Canary ਦੀ ਏਕੀਕ੍ਰਿਤ ਵਿਰਾਮ-ਚਿੰਨ੍ਹ ਅਤੇ ਵੱਡੇ ਅੱਖਰਾਂ ਦੀ ਸਹੂਲਤ ਚਾਲੂ ਕਰਦਾ ਹੈ।
ਲੋੜੀਂਦਾ ਕੈਨੋਨਿਕਲ ਨਾਮ, ਇਹ ਵੀ ਸਵੀਕਾਰਿਆ ਜਾਂਦਾ ਹੈ

ਫ਼ਾਈਲ ਪੈਰਾਮੀਟਰ ਜਨਤਕ https:// URL, 10 MB ਤੱਕ ਦਾ data: URI, ਜਾਂ ਅੱਪਲੋਡ ਦੇ file_url ਨੂੰ ਸਵੀਕਾਰਦੇ ਹਨ। ਫ਼ਾਈਲਾਂ

ਆਉਟਪੁੱਟ

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "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": 8,
    "usd": "0.008",
    "charged": 8,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "output": "string",
    "partial": false
  },
  "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"
  }
}
ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ, ਤੁਹਾਡੀ ਚੋਣਹਰ outputs[].url ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਇੱਕ ਕਾਪੀ ਹੈ: ਹਮੇਸ਼ਾ ਲਈ ਰੱਖੀ ਜਾਂਦੀ ਹੈ (ਪ੍ਰਤੀ GB-ਮਹੀਨਾ ਭੁਗਤਾਨ) ਜਾਂ 7 ਦਿਨ ਤੱਕ ਮੁਫ਼ਤ, ਤੁਹਾਡੀ ਖਾਤਾ ਸੈਟਿੰਗ ਜਾਂ ?storage= ਅਨੁਸਾਰ।
ਹਰ ਮਾਡਲ ’ਤੇ ਇੱਕੋ ਜਿਹਾ ਰੂਪਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਸਭ ਲਈ type, url, content_type, width, height ਅਤੇ duration। output ਮਾਡਲ ਦਾ ਆਪਣਾ ਨਤੀਜਾ ਆਬਜੈਕਟ ਹੈ।
ਆਉਟਪੁੱਟ ਦੇ ਫ਼ੀਲਡ
output
stringCanary ਦੁਆਰਾ ਤਿਆਰ ਕੀਤਾ ਟ੍ਰਾਂਸਕ੍ਰਿਪਸ਼ਨ, ਜੋ ਅੰਸ਼ਿਕ ਜਾਂ ਅੰਤਿਮ ਹੋ ਸਕਦਾ ਹੈ।
partial
booleanਅਜਿਹੇ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਦੀ ਪਛਾਣ ਕਰਨ ਵਾਲਾ ਫ਼ਲੈਗ ਜੋ ਅੰਸ਼ਿਕ ਹੈ ਅਤੇ ਹਾਲੇ ਜਾਰੀ ਹੈ।

ਹੋਰ ਮਾਡਲ: ਬੋਲੀ ਤੋਂ ਟੈਕਸਟ

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/speech-to-text.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt