Avançar 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 com base na utilização real, o restante é reembolsado Executar nesta página

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

Transcrição de voz com Whisper v3 e tradução para inglês em segmentos com marcas temporais

OpenAI · Texto

O seu primeiro resultado aparece aqui

Crie um pedido abaixo e execute-o com a sua chave de API. As saídas são copiadas para o nosso armazenamento, guardadas para sempre ou durante 7 dias gratuitamente.

Criar um pedido

Os controlos são gerados a partir do esquema do modelo. O código e o preço são atualizados à medida que os altera.

•obrigatório audio_url
Largue um ficheiro ou

Entrada de transcrição fornecida como um URL que aponta para um ficheiro de áudio no formato mp3, mp4, mpeg, mpga, m4a, wav ou webm.

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

Tarefa de processamento de áudio: escolha transcribe ou translate.

predefinição en

Seleção do idioma do áudio, sendo que `None` solicita a deteção automática à custa de um tempo de inferência mais longo. Para a tarefa translate, o inglês é sempre o idioma de destino, pelo que esta seleção não altera o idioma da saída.

predefinição segment

Granularidade dos fragmentos devolvidos.

predefinição 3

Seleção da versão dentro da família Whisper large; estes modelos não utilizam nenhuma outra variante do Whisper.

predefinição 29

Limite da duração dos segmentos 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 este pedido

A sua chave permanece neste navegador: é enviada apenas para a Doitong API e guardada em localStorage apenas se selecionar Lembrar. Obter uma chave de API

Sobre Wizper (Whisper v3)

Transcreve um ficheiro de áudio a partir de um URL (mp3, mp4, mpeg, mpga, m4a, wav ou webm) ou traduz-o para inglês com `task`. O campo `language` suporta 99 valores e é possível fazer deteção automática. Devolve o texto completo e segmentos com marcas temporais. `max_segment_len` (10-29 segundos) e `merge_chunks` controlam a divisão dos segmentos.

Parâmetros

Envie o nome canónico ou o nome nativo, não ambos. Nomes canónicos

NomeTipo PredefiniçãoPermitido Descrição
audio_urlobrigatório audio
Tipourl · audio
Entrada de transcrição fornecida como um URL que aponta para um ficheiro de áudio no formato mp3, mp4, mpeg, mpga, m4a, wav ou webm.
taskopcional
Tipoenum
Predefiniçãotranscribe
transcribetranslate
Tarefa de processamento de áudio: escolha transcribe ou translate.
languageopcional
Tipoenum
Predefiniçãoen
afamarasazbabebgbnbobrbscacscyda
+83 maisdeeleneseteufafifofrglguhahawhehihrhthuhyidisitjajwkakkkmknkolalblnloltlvmgmimkmlmnmrmsmtmynenlnnnoocpaplpsptrorusasdsiskslsnsosqsrsusvswtatetgthtktltrttukuruzviyiyozh
Seleção do idioma do áudio, sendo que `None` solicita a deteção automática à custa de um tempo de inferência mais longo. Para a tarefa translate, o inglês é sempre o idioma de destino, pelo que esta seleção não altera o idioma da saída.
chunk_levelopcional
Tipostring
Predefiniçãosegment
Granularidade dos fragmentos devolvidos.
max_segment_lenopcional
Tipointeger
Predefinição29
10 – 29
Limite da duração dos segmentos de fala, medido em segundos, após o qual ocorre a divisão.
merge_chunksopcional
Tipoboolean
Predefiniçãotrue
Controlo da fusão de fragmentos consecutivos, permitindo a fusão apenas se a duração do segmento resultante não for superior a max_segment_len.
versionopcional
Tipostring
Predefinição3
Seleção da versão dentro da família Whisper large; estes modelos não utilizam nenhuma outra variante do Whisper.
obrigatório Nome canónico, também aceite

Os parâmetros de ficheiro aceitam um URL https:// público, um URI data: até 10 MB ou o file_url de um carregamento. Ficheiros

Resultado

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"
  }
}
Os seus ficheiros, a sua escolhaCada outputs[].url é uma cópia no nosso armazenamento: guardada para sempre (paga por GB-mês) ou durante 7 dias gratuitamente, conforme a definição da sua conta ou ?storage=.
A mesma estrutura em todos os modelostype, url, content_type, width, height e duration, tanto para imagens como para vídeo e áudio. output é o próprio objeto de resultado do modelo.
Campos do resultado
text
stringTexto transcrito do áudio.
chunks
array of object {timestamp, text}Fragmentos de áudio acompanhados de marcas temporais.
languages
array of enum (string)Resultados da deteção do idioma do áudio, devolvidos como uma lista de idiomas inferidos, com null como valor predefinido.

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