Léim chuig an ábhar

Wizper (Whisper v3)

Comhtháthú

Aitheantas na samhla wizper
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Suas le $1.998 in aghaidh an rith gearrtar táille de réir na húsáide iarbhír, aisíoctar an fuílleach Rith ar an leathanach seo

Faigh eochair API
OpenAI Urlabhra go Téacs #transcription#speech

Tras-scríobh cainte Whisper v3 agus aistriú go Béarla le smutáin amaithe

OpenAI · Téacs

Beidh do chéad toradh anseo

Tóg iarratas thíos agus rith é le d’eochair API. Cóipeáiltear na haschuir chuig ár stóráil, coinnithe go deo nó ar feadh 7 lá saor in aisce.

Tóg iarratas

Gintear na rialtáin ó scéim na samhla. Nuashonraítear an cód agus an praghas de réir mar a athraíonn tú iad.

•riachtanach audio_url
Scaoil comhad, nó

Ionchur tras-scríofa a sholáthraítear mar URL chuig comhad fuaime i bhformáid mp3, mp4, mpeg, mpga, m4a, wav nó webm.

Ardleibhéal task · language · chunk_level · version · max_segment_len · merge_chunks
task réamhshocrú transcribe

Tasc próiseála fuaime: roghnaigh transcribe nó translate.

réamhshocrú en

Roghnú teanga fuaime, agus `None` ag iarraidh braite uathoibríoch ar chostas ama tátail níos faide. Don tasc translate, is é an Béarla sprioctheanga an aistriúcháin i gcónaí, mar sin ní athraíonn an rogha teanga seo teanga an aschuir.

réamhshocrú segment

Míneacht na bpíosaí a chuirtear ar ais.

réamhshocrú 3

Roghnú leagain laistigh de theaghlach Whisper large; ní úsáidtear aon leagan eile de Whisper ag na samhlacha seo.

réamhshocrú 29

Teorainn fhad an mhíre cainte, tomhaiste i soicind, agus scoilteadh ina dhiaidh sin.

POST /run/wizper?wait=20 luachan → $1.998
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Rith an t-iarratas seo

Fanann d'eochair sa bhrabhsálaí seo: seoltar chuig Doitong API amháin í agus sábháiltear (localStorage) í ach amháin má chuireann tú tic le Meabhraigh. Faigh eochair API

Maidir le Wizper (Whisper v3)

Tras-scríobhann sé comhad fuaime ó URL (mp3, mp4, mpeg, mpga, m4a, wav nó webm), nó aistríonn sé go Béarla é le `task`. Tacaíonn an réimse `language` le 99 luach, agus is féidir braite uathoibríoch a úsáid. Filleann sé an téacs iomlán agus smutáin amaithe. Rialaíonn `max_segment_len` (10-29 soicind) agus `merge_chunks` conas a roinntear na míreanna.

Paraiméadair

Seol an t-ainm canónach nó an t-ainm dúchasach, ní an dá cheann. Ainmneacha canónacha

AinmCineál RéamhshocrúCeadaithe Cur síos
audio_urlriachtanach audio
Cineálurl · audio
Ionchur tras-scríofa a sholáthraítear mar URL chuig comhad fuaime i bhformáid mp3, mp4, mpeg, mpga, m4a, wav nó webm.
taskroghnach
Cineálenum
Réamhshocrútranscribe
transcribetranslate
Tasc próiseála fuaime: roghnaigh transcribe nó translate.
languageroghnach
Cineálenum
Réamhshocrúen
afamarasazbabebgbnbobrbscacscyda
+83 eiledeeleneseteufafifofrglguhahawhehihrhthuhyidisitjajwkakkkmknkolalblnloltlvmgmimkmlmnmrmsmtmynenlnnnoocpaplpsptrorusasdsiskslsnsosqsrsusvswtatetgthtktltrttukuruzviyiyozh
Roghnú teanga fuaime, agus `None` ag iarraidh braite uathoibríoch ar chostas ama tátail níos faide. Don tasc translate, is é an Béarla sprioctheanga an aistriúcháin i gcónaí, mar sin ní athraíonn an rogha teanga seo teanga an aschuir.
chunk_levelroghnach
Cineálstring
Réamhshocrúsegment
Míneacht na bpíosaí a chuirtear ar ais.
max_segment_lenroghnach
Cineálinteger
Réamhshocrú29
10 – 29
Teorainn fhad an mhíre cainte, tomhaiste i soicind, agus scoilteadh ina dhiaidh sin.
merge_chunksroghnach
Cineálboolean
Réamhshocrútrue
Rialú cumaisc na bpíosaí comhleanúnacha, rud a cheadaíonn cumasc ach amháin mura mó fad na míre deiridh ná max_segment_len.
versionroghnach
Cineálstring
Réamhshocrú3
Roghnú leagain laistigh de theaghlach Whisper large; ní úsáidtear aon leagan eile de Whisper ag na samhlacha seo.
riachtanach Ainm canónach, glactar leis freisin

Glacann paraiméadair chomhaid le URL poiblí https://, URI data: suas le 10 MB, nó file_url uaslódála. Comhaid

Aschur

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.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Do chuid comhad, do roghaIs cóip ar ár stóráil é gach outputs[].url: coinnithe go deo (íoctha in aghaidh GB-mhí) nó ar feadh 7 lá saor in aisce, de réir shocrú do chuntais nó ?storage=.
An cruth céanna ar gach samhailtype, url, content_type, width, height agus duration, d'íomhánna, d'fhíseáin agus d'fhuaim araon. Is é output réad toraidh na samhla féin.
Réimsí aschuir
text
stringTéacs tras-scríofa ón bhfuaim.
chunks
array of object {timestamp, text}Píosaí fuaime in éineacht le stampaí ama.
languages
array of enum (string)Torthaí braite teanga na fuaime, curtha ar ais mar liosta teangacha measta agus null mar an réamhshocrú.

Do ghníomhairí AI: tá an leathanach seo mar Markdown ag https://doitong.com/ga/developers/models/wizper.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt