Перейти к содержимому

Wizper (Whisper v3)

Интеграция

ID модели 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"

До 1,998 $ за запуск оплата по фактическому использованию, остаток возвращается Запустить на этой странице

Получить API-ключ
OpenAI Речь в текст #transcription#speech

Транскрипция речи с помощью Whisper v3 и перевод на английский с фрагментами и временными метками

OpenAI · Текст

Здесь появится ваш первый результат

Составьте запрос ниже и выполните его с помощью API-ключа. Результаты копируются в наше хранилище и хранятся навсегда или 7 дней бесплатно.

Сформировать запрос

Элементы управления сгенерированы из схемы модели. Код и цена обновляются при изменении параметров.

•обязательно audio_url
Перетащите файл или

Входные данные для транскрипции: URL аудиофайла в формате mp3, mp4, mpeg, mpga, m4a, wav или webm.

Расширенные task · language · chunk_level · version · max_segment_len · merge_chunks
task по умолчанию transcribe

Задача обработки аудио: выберите transcribe или translate.

по умолчанию en

Выбор языка аудио; `None` запрашивает автоматическое определение ценой увеличения времени вывода. Для задачи translate целевым языком всегда является английский, поэтому этот выбор не изменяет язык выходных данных.

по умолчанию segment

Детализация возвращаемых фрагментов.

по умолчанию 3

Выбор версии в семействе Whisper large; эти модели не используют другие варианты Whisper.

по умолчанию 29

Ограничение длительности речевого сегмента в секундах, после которого выполняется разделение.

POST /run/wizper?wait=20 стоимость → 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"

Запустить этот запрос

Ваш ключ хранится в этом браузере: он отправляется только в Doitong API и сохраняется в localStorage только при включении параметра «Запомнить». Получить API-ключ

О Wizper (Whisper v3)

Транскрибирует аудиофайл по URL (mp3, mp4, mpeg, mpga, m4a, wav или webm) или переводит его на английский с помощью `task`. Поле `language` поддерживает 99 значений, также доступно автоматическое определение языка. Возвращает полный текст и фрагменты с временными метками. Параметры `max_segment_len` (10-29 секунд) и `merge_chunks` управляют разбиением сегментов.

Параметры

Передавайте либо каноническое имя, либо исходное имя, но не оба. Канонические имена

ИмяТип По умолчаниюДопустимые значения Описание
audio_urlобязательно audio
Типurl · audio
Входные данные для транскрипции: URL аудиофайла в формате mp3, mp4, mpeg, mpga, m4a, wav или webm.
taskнеобязательно
Типenum
По умолчаниюtranscribe
transcribetranslate
Задача обработки аудио: выберите transcribe или translate.
languageнеобязательно
Типenum
По умолчаниюen
afamarasazbabebgbnbobrbscacscyda
ещё 83deeleneseteufafifofrglguhahawhehihrhthuhyidisitjajwkakkkmknkolalblnloltlvmgmimkmlmnmrmsmtmynenlnnnoocpaplpsptrorusasdsiskslsnsosqsrsusvswtatetgthtktltrttukuruzviyiyozh
Выбор языка аудио; `None` запрашивает автоматическое определение ценой увеличения времени вывода. Для задачи translate целевым языком всегда является английский, поэтому этот выбор не изменяет язык выходных данных.
chunk_levelнеобязательно
Типstring
По умолчаниюsegment
Детализация возвращаемых фрагментов.
max_segment_lenнеобязательно
Типinteger
По умолчанию29
10 – 29
Ограничение длительности речевого сегмента в секундах, после которого выполняется разделение.
merge_chunksнеобязательно
Типboolean
По умолчаниюtrue
Управление объединением последовательных фрагментов: объединение разрешено только если длительность получившегося сегмента не превышает max_segment_len.
versionнеобязательно
Типstring
По умолчанию3
Выбор версии в семействе Whisper large; эти модели не используют другие варианты Whisper.
обязательно Каноническое имя, также принимается

Параметры файлов принимают общедоступный https:// URL, data: URI размером до 10 MB или file_url загруженного файла. Файлы

Результат

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"
  }
}
Ваши файлы — ваш выборКаждый URL из outputs[].url — это копия в нашем хранилище: она хранится навсегда (оплата за ГБ в месяц) или 7 дней бесплатно — в зависимости от настройки вашего аккаунта или параметра ?storage=.
Одинаковая структура у каждой моделиtype, url, content_type, width, height и duration — одинаково для изображений, видео и аудио. output — собственный объект результата модели.
Поля результата
text
stringТекст, транскрибированный из аудио.
chunks
array of object {timestamp, text}Фрагменты аудио с временными метками.
languages
array of enum (string)Результаты определения языка аудио в виде списка предполагаемых языков; значение по умолчанию — null.

Для AI-агентов: эта страница в формате Markdown доступна по адресу https://doitong.com/ru/developers/models/wizper.md. Все модели и руководства: https://doitong.com/developers/llms.txt