跳至內容

Wizper (Whisper v3)

整合

模型 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"

每次執行最多 $1.998 依實際用量收費,其餘金額會退款 在此頁面執行

取得 API 金鑰
OpenAI 語音轉文字 #transcription#speech

Whisper v3 語音轉錄,並翻譯成帶時間戳區塊的英文

OpenAI · 文字

您的第一個結果會顯示在這裡

在下方建立請求,並使用您的 API 金鑰執行。輸出會複製到我們的儲存空間,可永久保留或免費保留 7 天。

建立請求

控制項是根據模型結構描述生成的。變更設定時,程式碼和價格會同步更新。

•必填 audio_url
拖放檔案,或

逐字稿輸入,以指向 mp3、mp4、mpeg、mpga、m4a、wav 或 webm 格式音訊檔案的 URL 形式提供。

進階 task · language · chunk_level · version · max_segment_len · merge_chunks
task 預設 transcribe

音訊處理任務:選擇 `transcribe` 或 `translate`。

預設 en

音訊語言選擇,設定為 `None` 則會自動偵測,但會增加推論時間。對於翻譯任務,英文始終是翻譯目標,因此此語言選擇不會改變輸出語言。

預設 segment

回傳區塊的細粒度。

預設 3

Whisper large 系列中的版本選擇;這些模型不使用其他 Whisper 變體。

預設 29

語音段落長度限制(秒),超過此長度將進行分割。

POST /run/wizper?wait=20 報價 → $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"

執行此請求

您的金鑰會保留在此瀏覽器中:只會傳送至 Doitong API,且只有在勾選「記住」時才會儲存至 localStorage。 取得 API 金鑰

關於 Wizper (Whisper v3)

從 URL 轉錄音訊檔案(mp3、mp4、mpeg、mpga、m4a、wav 或 webm),或使用 `task` 將其翻譯成英文。`language` 欄位支援 99 種值,也可自動偵測語言。回傳完整文字及附有時間戳記的片段。`max_segment_len`(10-29 秒)和 `merge_chunks` 可控制片段的分割方式。

參數

請傳送標準名稱或原生名稱其中之一,不要同時傳送兩者。 標準名稱

名稱類型 預設值允許值 說明
audio_url必填 audio
類型url · audio
逐字稿輸入,以指向 mp3、mp4、mpeg、mpga、m4a、wav 或 webm 格式音訊檔案的 URL 形式提供。
task選填
類型enum
預設值transcribe
transcribetranslate
音訊處理任務:選擇 `transcribe` 或 `translate`。
language選填
類型enum
預設值en
afamarasazbabebgbnbobrbscacscyda
另有 83 個deeleneseteufafifofrglguhahawhehihrhthuhyidisitjajwkakkkmknkolalblnloltlvmgmimkmlmnmrmsmtmynenlnnnoocpaplpsptrorusasdsiskslsnsosqsrsusvswtatetgthtktltrttukuruzviyiyozh
音訊語言選擇,設定為 `None` 則會自動偵測,但會增加推論時間。對於翻譯任務,英文始終是翻譯目標,因此此語言選擇不會改變輸出語言。
chunk_level選填
類型string
預設值segment
回傳區塊的細粒度。
max_segment_len選填
類型integer
預設值29
10 – 29
語音段落長度限制(秒),超過此長度將進行分割。
merge_chunks選填
類型boolean
預設值true
連續區塊合併控制,僅當合併後的段落長度不超過 `max_segment_len` 時才允許合併。
version選填
類型string
預設值3
Whisper large 系列中的版本選擇;這些模型不使用其他 Whisper 變體。
必填 標準名稱,也可使用

檔案參數接受公開的 https:// URL、最大 10 MB 的 data: URI,或上傳檔案的 file_url。 檔案

輸出

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"
  }
}
您的檔案,由您選擇每個 outputs[].url 都是儲存空間中的副本:可永久保留(按 GB-月計費),或免費保留 7 天;可透過帳戶設定或 ?storage= 設定。
所有模型使用相同結構圖片、影片和音訊皆包含 type、url、content_type、width、height 和 duration。output 是模型自己的結果物件。
輸出欄位
text
string從音訊轉錄的文字。
chunks
array of object {timestamp, text}附帶時間戳記的音訊區塊。
languages
array of enum (string)音訊語言偵測結果,以推論語言列表形式回傳,預設值為 `null`。

給 AI 代理程式:此頁面的 Markdown 位於 https://doitong.com/zh-TW/developers/models/wizper.md. 所有模型與指南: https://doitong.com/developers/llms.txt