Ruka hadi kwenye maudhui

Wizper (Whisper v3)

Unganisha

Kitambulisho cha modeli 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"

Hadi $ 1.998 kwa kila uendeshaji hutozwa kulingana na matumizi halisi, yaliyosalia yanarejeshwa Iendeshe kwenye ukurasa huu

Pata ufunguo wa API
OpenAI Matamshi hadi Maandishi #transcription#speech

Unukuzi wa hotuba wa Whisper v3 na tafsiri kwenda Kiingereza kwa vipande vyenye mihuri ya muda

OpenAI · Maandishi

Tokeo lako la kwanza linaonekana hapa

Unda ombi hapa chini na uliendeshe kwa ufunguo wako wa API. Matokeo yanakiliwa kwenye hifadhi yetu, yakihifadhiwa milele au 7 siku bila malipo.

Unda ombi

Vidhibiti vinazalishwa kutoka kwenye schema ya modeli. Msimbo na bei husasishwa unapovibadilisha.

•inahitajika audio_url
Dondosha faili, au

Ingizo la unukuzi lililotolewa kama URL inayoelekeza kwenye faili la sauti katika umbizo la mp3, mp4, mpeg, mpga, m4a, wav au webm.

Ya kina task · language · chunk_level · version · max_segment_len · merge_chunks
task chaguomsingi transcribe

Kazi ya kuchakata sauti: chagua transcribe au translate.

chaguomsingi en

Uteuzi wa lugha ya sauti, ambapo `None` huomba utambuzi wa kiotomatiki kwa gharama ya muda mrefu zaidi wa uelekezaji. Kwa kazi ya translate, Kiingereza ndicho lengwa la tafsiri kila mara, hivyo uteuzi huu wa lugha haubadilishi lugha ya tokeo.

chaguomsingi segment

Kiwango cha vipande vinavyorejeshwa.

chaguomsingi 3

Uteuzi wa toleo ndani ya familia ya Whisper large; hakuna lahaja nyingine ya Whisper inayotumiwa na modeli hizi.

chaguomsingi 29

Kikomo cha urefu wa sehemu ya usemi, kinachopimwa kwa sekunde, ambapo baada yake mgawanyo hufanyika.

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

Endesha ombi hili

Key yako inabaki kwenye kivinjari hiki: inatumwa kwa Doitong API pekee na kuhifadhiwa (localStorage) tu ukiweka tiki kwenye Kumbuka. Pata ufunguo wa API

Kuhusu Wizper (Whisper v3)

Hunukuu faili ya sauti kutoka URL (mp3, mp4, mpeg, mpga, m4a, wav au webm), au kuitafsiri kwenda Kiingereza kwa kutumia `task`. Sehemu ya `language` inaunga mkono thamani 99, na utambuzi wa kiotomatiki unawezekana. Hurejesha maandishi kamili pamoja na vipande vyenye mihuri ya muda. `max_segment_len` (sekunde 10-29) na `merge_chunks` hudhibiti jinsi vipande vinavyogawanywa.

Vigezo

Tuma jina rasmi au jina asilia, si yote mawili. Majina rasmi

JinaAina ChaguomsingiInaruhusiwa Maelezo
audio_urlinahitajika audio
Ainaurl · audio
Ingizo la unukuzi lililotolewa kama URL inayoelekeza kwenye faili la sauti katika umbizo la mp3, mp4, mpeg, mpga, m4a, wav au webm.
tasksi lazima
Ainaenum
Chaguomsingitranscribe
transcribetranslate
Kazi ya kuchakata sauti: chagua transcribe au translate.
languagesi lazima
Ainaenum
Chaguomsingien
afamarasazbabebgbnbobrbscacscyda
+83 zaidideeleneseteufafifofrglguhahawhehihrhthuhyidisitjajwkakkkmknkolalblnloltlvmgmimkmlmnmrmsmtmynenlnnnoocpaplpsptrorusasdsiskslsnsosqsrsusvswtatetgthtktltrttukuruzviyiyozh
Uteuzi wa lugha ya sauti, ambapo `None` huomba utambuzi wa kiotomatiki kwa gharama ya muda mrefu zaidi wa uelekezaji. Kwa kazi ya translate, Kiingereza ndicho lengwa la tafsiri kila mara, hivyo uteuzi huu wa lugha haubadilishi lugha ya tokeo.
chunk_levelsi lazima
Ainastring
Chaguomsingisegment
Kiwango cha vipande vinavyorejeshwa.
max_segment_lensi lazima
Ainainteger
Chaguomsingi29
10 – 29
Kikomo cha urefu wa sehemu ya usemi, kinachopimwa kwa sekunde, ambapo baada yake mgawanyo hufanyika.
merge_chunkssi lazima
Ainaboolean
Chaguomsingitrue
Udhibiti wa kuunganisha vipande vinavyofuatana, unaoruhusu muunganisho tu ikiwa muda wa sehemu inayotokana hauzidi max_segment_len.
versionsi lazima
Ainastring
Chaguomsingi3
Uteuzi wa toleo ndani ya familia ya Whisper large; hakuna lahaja nyingine ya Whisper inayotumiwa na modeli hizi.
inahitajika Jina rasmi, pia linakubalika

Vigezo vya faili vinakubali URL ya umma ya https://, data: URI ya hadi 10 MB, au file_url ya upakiaji. Faili

Tokeo

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"
  }
}
Faili zako, chaguo lakoKila outputs[].url ni nakala kwenye hifadhi yetu: huhifadhiwa milele (hutozwa kwa GB kwa mwezi) au 7 siku bila malipo, kulingana na mpangilio wa akaunti yako au ?storage=.
Muundo uleule kwenye kila modelitype, url, content_type, width, height na duration, kwa picha, video na sauti. output ni kitu cha matokeo cha modeli yenyewe.
Sehemu za tokeo
text
stringMaandishi yaliyotolewa kutoka kwenye sauti.
chunks
array of object {timestamp, text}Vipande vya sauti vilivyoambatanishwa na mihuri ya muda.
languages
array of enum (string)Matokeo ya utambuzi wa lugha ya sauti, yanayorejeshwa kama orodha ya lugha zilizokadiriwa huku null ikiwa thamani chaguomsingi.

Kwa mawakala wa AI: ukurasa huu katika Markdown unapatikana kwenye https://doitong.com/sw/developers/models/wizper.md. Modeli na miongozo yote: https://doitong.com/developers/llms.txt