# Auto-Captioner API

> เพิ่มคำบรรยายจากเสียงลงในวิดีโอ พร้อมปรับสี แบบอักษร ขนาด และตำแหน่งได้

ถอดเสียงจาก `video_url` รูปแบบ .mp4 (ขนาดต่ำกว่า 400MB) และฝังคำบรรยายลงในวิดีโอ ปรับรูปแบบด้วย `txt_color`, `txt_font`, `font_size`, `stroke_width` และ `text_case` ตำแหน่งใช้ `left_align` และ `top_align` ค่า `refresh_interval` ตั้งแต่ 0.5 ถึง 3 วินาทีใช้กำหนดระยะเวลาที่คำบรรยายแสดงบนหน้าจอ

- Model id: `auto-caption`
- Made by: Utility
- Category: Video to Video
- Output: json
- Price: $0.10 / video (cheapest run $0.10 (100 API credits))
- Run: `POST https://api.doitong.com/v1/run/auto-caption`
- Quote: `POST https://api.doitong.com/v1/quote/auto-caption`
- Docs page: https://doitong.com/th/developers/models/auto-caption

## Pricing

Price: **$0.10 / video**. Billed once per generated video.

The full example input below costs $0.10 = 100 API credits (1 video × 100 API credits).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). `POST https://api.doitong.com/v1/quote/auto-caption` with the same JSON body returns the exact price for that input; the quote is exactly what a run charges. Invalid input is never charged and failed or canceled requests are refunded automatically.

## Input parameters

Send either the canonical name or the native field name (not both). Canonical names are the same across models.

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `video_url` | `video` | string (video URL) | yes |  |  | URL วิดีโอสำหรับไฟล์ .mp4 ที่มีเสียงและมีขนาดเล็กกว่า 400 MB |
| `txt_color` |  | string | no | `white` |  | กำหนดสีข้อความโดยใช้สัญกรณ์เลขฐานสิบหก ทูเพิล RGB หรือชื่อสี |
| `txt_font` |  | string | no | `Standard` |  | กำหนดแบบอักษรของคำบรรยายโดยใช้ URL ที่ชี้ไปยังไฟล์ .ttf หรือแบบอักษรในตัว: 'Arial', 'Standard', 'Garamond', 'Times New Roman' หรือ 'Georgia' |
| `font_size` |  | integer | no | `24` |  | ขนาดข้อความสำหรับคำบรรยายที่สร้าง |
| `stroke_width` |  | integer | no | `1` |  | ความหนาเส้นขอบข้อความ วัดเป็นพิกเซล |
| `left_align` |  | string \| number | no | `center` |  | จัดแนวข้อความในแนวนอนโดยใช้ค่าทศนิยมระหว่าง 0.0 ถึง 1.0 หรือเลือกตำแหน่งที่ระบุชื่อว่า 'left', 'center' หรือ 'right' |
| `top_align` |  | string \| number | no | `center` |  | จัดแนวข้อความในแนวตั้งโดยใช้ค่าทศนิยมระหว่าง 0.0 ถึง 1.0 หรือเลือกตำแหน่งที่ระบุชื่อว่า 'top', 'center' หรือ 'bottom' |
| `refresh_interval` |  | number | no | `1.5` | 0.5 – 3 | ควบคุมปริมาณข้อความคำบรรยายที่แสดงพร้อมกันผ่านช่วงเวลาแสดงผล หน่วยเป็นวินาที: การแสดงคำบรรยายให้นานขึ้นจะแสดงข้อความพร้อมกันได้มากขึ้น |
| `text_case` |  | enum (string) | no | `default` | `default`, `upper`, `lower` | เลือก 'default' เพื่อคงรูปแบบตัวพิมพ์ของคำบรรยายตามที่การรู้จำเสียงพูดสร้างขึ้น หากต้องการเปลี่ยน ให้เลือก 'upper' สำหรับข้อความตัวพิมพ์ใหญ่ หรือ 'lower' สำหรับข้อความตัวพิมพ์เล็ก |

File parameters (`video`) take a public `https://` URL, a `data:` URI up to 10 MB, or the `file_url` of an upload from `POST /files`.

## Example input

Required parameters only:

```json
{
  "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
}
```

A fuller example:

```json
{
  "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
}
```

## Run it

Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`.

### curl

```bash
# 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/auto-caption?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }'

# 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"
```

### JavaScript

```javascript
const API = "https://api.doitong.com/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/auto-caption?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");
```

### Python

```python
import os
import requests

API = "https://api.doitong.com/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/auto-caption", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])
```

### MCP

The MCP server at `https://api.doitong.com/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model:

```json
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "auto-caption",
      "input": {
        "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
      },
      "wait_seconds": 20
    }
  }
}
```

## Response

Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs.

```json
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "auto-caption",
  "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": 100,
    "usd": "0.10",
    "charged": 100,
    "refunded": 0
  },
  "input": {
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  },
  "output": {
    "video_url": "string"
  },
  "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `video_url` | string (video URL) | URL ที่ชี้ไปยังวิดีโอ .mp4 ที่มีคำบรรยาย |

## Related models

- [FFmpeg API Compose](https://doitong.com/developers/models/ffmpeg-api/compose.md) (`ffmpeg-api/compose`): $0.001 / run
- [Ffmpeg Api Merge Audio-Video](https://doitong.com/developers/models/ffmpeg-api/merge-audio-video.md) (`ffmpeg-api/merge-audio-video`): $0.0002 / second of input video
- [Ffmpeg Api · Merge Videos](https://doitong.com/developers/models/ffmpeg-api/merge-videos.md) (`ffmpeg-api/merge-videos`): $0.00017 / second of processing time
- [Workflow Utilities Auto Subtitle](https://doitong.com/developers/models/workflow-utilities/auto-subtitle.md) (`workflow-utilities/auto-subtitle`): $0.03 / minute of input video
- [Workflow Utilities Blend Video](https://doitong.com/developers/models/workflow-utilities/blend-video.md) (`workflow-utilities/blend-video`): $0.001 / second of processing time
- [Workflow Utilities Interleave Video](https://doitong.com/developers/models/workflow-utilities/interleave-video.md) (`workflow-utilities/interleave-video`): $0.00017 / second of processing time
- [Workflow Utilities Reverse Video](https://doitong.com/developers/models/workflow-utilities/reverse-video.md) (`workflow-utilities/reverse-video`): $0.001 / second of processing time
- [Workflow Utilities Scale Video](https://doitong.com/developers/models/workflow-utilities/scale-video.md) (`workflow-utilities/scale-video`): $0.001 / second of processing time

## Links

- HTML page: https://doitong.com/developers/models/auto-caption
- All models and guides for AI agents: https://doitong.com/developers/llms.txt
- OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=auto-caption
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/auto-caption