مواد پر جائیں

Wizper (Whisper v3)

انٹیگریٹ کریں

ماڈل id 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"

ہر رن کے لیے ⁨$1.998⁩ تک حقیقی استعمال کے مطابق چارج، باقی رقم واپس اس صفحے پر چلائیں

API کلید حاصل کریں
OpenAI آواز سے متن #transcription#speech

Whisper v3 کی تقریر کی نقل اور ٹائم اسٹیمپ والے حصوں کے ساتھ انگریزی میں ترجمہ

OpenAI · متن

آپ کا پہلا نتیجہ یہاں آئے گا

ذیل میں درخواست بنائیں اور اپنی API کلید کے ساتھ چلائیں۔ آؤٹ پٹس ہمارے اسٹوریج میں کاپی ہو جاتے ہیں، ہمیشہ کے لیے یا مفت میں 7 دن تک محفوظ رہتے ہیں۔

درخواست بنائیں

کنٹرولز ماڈل اسکیما سے تیار ہوتے ہیں۔ آپ کے بدلنے کے ساتھ کوڈ اور قیمت اپ ڈیٹ ہوتے ہیں۔

•لازمی audio_url
فائل ڈراپ کریں، یا

ٹرانسکرپشن ان پٹ، جو mp3، mp4، mpeg، mpga، m4a، wav یا webm فارمیٹ کی آڈیو فائل کے URL کے طور پر فراہم کیا جاتا ہے۔

ایڈوانسڈ task · language · chunk_level · version · max_segment_len · merge_chunks
task ڈیفالٹ transcribe

آڈیو پروسیسنگ ٹاسک: transcribe یا translate منتخب کریں۔

ڈیفالٹ en

آڈیو زبان کا انتخاب، جس میں `None` طویل inference وقت کی قیمت پر خودکار شناخت کی درخواست کرتا ہے۔ translate ٹاسک کے لیے انگریزی ہمیشہ ترجمے کی ہدف زبان ہے، اس لیے یہ زبان کا انتخاب آؤٹ پٹ زبان تبدیل نہیں کرتا۔

ڈیفالٹ segment

واپس کیے جانے والے chunks کی granulariy۔

ڈیفالٹ 3

Whisper large فیملی میں ورژن کا انتخاب؛ ان ماڈلز کے ذریعے کوئی دوسرا Whisper variant استعمال نہیں ہوتا۔

ڈیفالٹ 29

تقسیم ہونے سے پہلے تقریری segment کی زیادہ سے زیادہ لمبائی، سیکنڈ میں۔

POST /run/wizper?wait=20 قیمت → ⁨$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"

یہ درخواست چلائیں

آپ کی key اسی براؤزر میں رہتی ہے: یہ صرف Doitong API کو بھیجی جاتی ہے اور صرف اس صورت میں localStorage میں محفوظ ہوتی ہے جب آپ Remember منتخب کریں۔ API کلید حاصل کریں

Wizper (Whisper v3) کے بارے میں

`task` کے ذریعے URL سے آڈیو فائل (mp3، mp4، mpeg، mpga، m4a، wav یا webm) کی نقل تیار کرتا ہے یا اسے انگریزی میں ترجمہ کرتا ہے۔ `language` فیلڈ 99 اقدار کو سپورٹ کرتا ہے، اور خودکار شناخت بھی ممکن ہے۔ مکمل متن کے ساتھ ٹائم اسٹیمپ والے حصے واپس کرتا ہے۔ `max_segment_len` (10-29 سیکنڈ) اور `merge_chunks` حصوں کی تقسیم کو کنٹرول کرتے ہیں۔

پیرامیٹرز

معیاری نام یا مقامی نام میں سے صرف ایک بھیجیں، دونوں نہیں۔ معیاری نام

نامقسم ڈیفالٹمجاز تفصیل
audio_urlلازمی audio
قسمurl · audio
ٹرانسکرپشن ان پٹ، جو mp3، mp4، mpeg، mpga، m4a، wav یا webm فارمیٹ کی آڈیو فائل کے URL کے طور پر فراہم کیا جاتا ہے۔
taskاختیاری
قسمenum
ڈیفالٹtranscribe
transcribetranslate
آڈیو پروسیسنگ ٹاسک: transcribe یا translate منتخب کریں۔
languageاختیاری
قسمenum
ڈیفالٹen
afamarasazbabebgbnbobrbscacscyda
+83 مزیدdeeleneseteufafifofrglguhahawhehihrhthuhyidisitjajwkakkkmknkolalblnloltlvmgmimkmlmnmrmsmtmynenlnnnoocpaplpsptrorusasdsiskslsnsosqsrsusvswtatetgthtktltrttukuruzviyiyozh
آڈیو زبان کا انتخاب، جس میں `None` طویل inference وقت کی قیمت پر خودکار شناخت کی درخواست کرتا ہے۔ translate ٹاسک کے لیے انگریزی ہمیشہ ترجمے کی ہدف زبان ہے، اس لیے یہ زبان کا انتخاب آؤٹ پٹ زبان تبدیل نہیں کرتا۔
chunk_levelاختیاری
قسمstring
ڈیفالٹsegment
واپس کیے جانے والے chunks کی granulariy۔
max_segment_lenاختیاری
قسمinteger
ڈیفالٹ29
10 – 29
تقسیم ہونے سے پہلے تقریری segment کی زیادہ سے زیادہ لمبائی، سیکنڈ میں۔
merge_chunksاختیاری
قسمboolean
ڈیفالٹtrue
مسلسل chunks کو ملانے کا کنٹرول، جو صرف اس صورت میں merge کی اجازت دیتا ہے جب نتیجے میں بننے والے segment کا دورانیہ max_segment_len سے زیادہ نہ ہو۔
versionاختیاری
قسمstring
ڈیفالٹ3
Whisper large فیملی میں ورژن کا انتخاب؛ ان ماڈلز کے ذریعے کوئی دوسرا Whisper variant استعمال نہیں ہوتا۔
لازمی معیاری نام، یہ بھی قبول ہے

فائل پیرامیٹرز عوامی https:// URL، 10 MB تک کی data: URI، یا اپ لوڈ کے file_url کو قبول کرتے ہیں۔ فائلیں

آؤٹ پٹ

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"
  }
}
آپ کی فائلیں، آپ کا انتخابہر outputs[].url ہمارے اسٹوریج میں ایک کاپی ہے: ہمیشہ کے لیے محفوظ (فی GB-ماہ ادائیگی) یا مفت میں 7 دن تک، آپ کی اکاؤنٹ سیٹنگ یا ?storage= کے مطابق۔
ہر ماڈل میں ایک جیسی ساختtype، url، content_type، width، height اور duration، تصاویر، ویڈیو اور آڈیو سب کے لیے یکساں۔ output ماڈل کا اپنا نتیجہ آبجیکٹ ہے۔
آؤٹ پٹ کے فیلڈز
text
stringآڈیو سے ٹرانسکرائب کیا گیا متن۔
chunks
array of object {timestamp, text}ٹائم اسٹیمپس کے ساتھ آڈیو chunks۔
languages
array of enum (string)آڈیو زبان کی شناخت کے نتائج، inferred زبانوں کی فہرست کے طور پر واپس کیے جاتے ہیں، جہاں null ڈیفالٹ قدر ہے۔

AI ایجنٹس کے لیے: یہ صفحہ Markdown میں یہاں موجود ہے https://doitong.com/ur/developers/models/wizper.md. تمام ماڈلز اور گائیڈز: https://doitong.com/developers/llms.txt