Ir para o conteúdo

Wizper (Whisper v3)

Integrar

ID do modelo 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"

Até $ 1,998 por execução cobrado pelo uso real, o restante é reembolsado Executar nesta página

Obter chave de API
OpenAI Fala para texto #transcription#speech

Transcrição de fala com Whisper v3 e tradução para inglês com segmentos com marcação de tempo

OpenAI · Texto

Seu primeiro resultado aparecerá aqui

Monte uma requisição abaixo e execute-a com sua chave de API. As saídas são copiadas para nosso armazenamento, mantidas para sempre ou por 7 dias gratuitamente.

Criar uma solicitação

Os controles são gerados a partir do esquema do modelo. O código e o preço são atualizados conforme você os altera.

•obrigatório audio_url
Solte um arquivo ou

Entrada de transcrição fornecida como uma URL apontando para um arquivo de áudio nos formatos mp3, mp4, mpeg, mpga, m4a, wav ou webm.

Avançado task · language · chunk_level · version · max_segment_len · merge_chunks
task padrão transcribe

Tarefa de processamento de áudio: escolha transcribe ou translate.

padrão en

Seleção do idioma do áudio, com `None` solicitando detecção automática ao custo de um tempo de inferência maior. Para a tarefa translate, o inglês é sempre o destino da tradução, portanto essa seleção de idioma não altera o idioma da saída.

padrão segment

Granularidade dos segmentos retornados.

padrão 3

Seleção da versão na família Whisper large; nenhuma outra variante do Whisper é usada por esses modelos.

padrão 29

Limite de duração do segmento de fala, medido em segundos, após o qual ocorre a divisão.

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

Executar esta solicitação

Sua chave permanece neste navegador: ela é enviada somente à Doitong API e salva (localStorage) apenas se você marcar Lembrar. Obter uma chave de API

Sobre Wizper (Whisper v3)

Transcreve um arquivo de áudio a partir de uma URL (mp3, mp4, mpeg, mpga, m4a, wav ou webm) ou o traduz para inglês com `task`. O campo `language` é compatível com 99 valores, e a detecção automática é possível. Retorna o texto completo e segmentos com marcação de tempo. `max_segment_len` (10-29 segundos) e `merge_chunks` controlam como os segmentos são divididos.

Parâmetros

Envie o nome canônico ou o nome nativo, não ambos. Nomes canônicos

NomeTipo PadrãoPermitido Descrição
audio_urlobrigatório audio
Tipourl · audio
Entrada de transcrição fornecida como uma URL apontando para um arquivo de áudio nos formatos mp3, mp4, mpeg, mpga, m4a, wav ou webm.
taskopcional
Tipoenum
Padrãotranscribe
transcribetranslate
Tarefa de processamento de áudio: escolha transcribe ou translate.
languageopcional
Tipoenum
Padrãoen
afamarasazbabebgbnbobrbscacscyda
+83 a maisdeeleneseteufafifofrglguhahawhehihrhthuhyidisitjajwkakkkmknkolalblnloltlvmgmimkmlmnmrmsmtmynenlnnnoocpaplpsptrorusasdsiskslsnsosqsrsusvswtatetgthtktltrttukuruzviyiyozh
Seleção do idioma do áudio, com `None` solicitando detecção automática ao custo de um tempo de inferência maior. Para a tarefa translate, o inglês é sempre o destino da tradução, portanto essa seleção de idioma não altera o idioma da saída.
chunk_levelopcional
Tipostring
Padrãosegment
Granularidade dos segmentos retornados.
max_segment_lenopcional
Tipointeger
Padrão29
10 – 29
Limite de duração do segmento de fala, medido em segundos, após o qual ocorre a divisão.
merge_chunksopcional
Tipoboolean
Padrãotrue
Controle de mesclagem de segmentos consecutivos, permitindo a mesclagem somente se a duração do segmento resultante não for maior que max_segment_len.
versionopcional
Tipostring
Padrão3
Seleção da versão na família Whisper large; nenhuma outra variante do Whisper é usada por esses modelos.
obrigatório Nome canônico, também aceito

Os parâmetros de arquivo aceitam uma URL https:// pública, um URI data: de até 10 MB ou o file_url de um upload. Arquivos

Saída

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"
  }
}
Seus arquivos, sua escolhaCada outputs[].url é uma cópia em nosso armazenamento: mantida para sempre (cobrada por GB-mês) ou por 7 dias gratuitamente, conforme a configuração da sua conta ou ?storage=.
Mesmo formato em todos os modelostype, url, content_type, width, height e duration, para imagens, vídeos e áudios. output é o próprio objeto de resultado do modelo.
Campos da saída
text
stringTexto transcrito do áudio.
chunks
array of object {timestamp, text}Segmentos de áudio acompanhados de marcas de tempo.
languages
array of enum (string)Resultados da detecção do idioma do áudio, retornados como uma lista de idiomas inferidos, com null como valor padrão.

Para agentes de IA: esta página em Markdown está em https://doitong.com/pt-BR/developers/models/wizper.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt