Leum chun t-susbaint

Wizper (Whisper v3)

Amalaich

ID a’ mhodail 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 ri $1.998 gach ruith air a ghearradh a rèir cleachdaidh fhìor, agus an còrr air ais-phàigheadh Ruith e air an duilleig seo

Faigh iuchair API
OpenAI Òraid gu Teacsa #transcription#speech

Tar-sgrìobhadh cainnte Whisper v3 agus eadar-theangachadh gu Beurla le bloighean le stampaichean-ama

OpenAI · Teacsa

Thèid a’ chiad toradh agad an-seo

Tog iarrtas gu h-ìosal agus ruith e leis an iuchair API agad. Tha na h-às-churan air an lethbhreacadh dhan stòradh againn, air an cumail gu bràth no 7 latha an-asgaidh.

Tog iarrtas

Tha na smachdan air an cruthachadh bho sgeama a’ mhodail. Bidh an còd agus a’ phrìs ag ùrachadh fhad ’s a dh’atharraicheas tu iad.

•riatanach audio_url
Leig às faidhle, no

In-chur tar-sgrìobhaidh air a thoirt seachad mar URL a tha a’ comharrachadh faidhle claisneachd ann an cruth mp3, mp4, mpeg, mpga, m4a, wav no webm.

Adhartach task · language · chunk_level · version · max_segment_len · merge_chunks
task bun-roghainn transcribe

Gnìomh giullachd claisneachd: tagh transcribe no translate.

bun-roghainn en

Taghadh cànain na claisneachd, le `None` ag iarraidh lorg fèin-obrachail aig cosgais ùine inferens nas fhaide. Airson a’ ghnìomha translate, ’s e Beurla an targaid eadar-theangachaidh an-còmhnaidh, mar sin chan atharraich an taghadh cànain seo cànan an às-chuir.

bun-roghainn segment

Granularity nam pìosan a thillear.

bun-roghainn 3

Taghadh dreacha taobh a-staigh teaghlach Whisper large; chan eil caochladh Whisper eile air a chleachdadh leis na modailean seo.

bun-roghainn 29

Crìoch faid roinn na cainnte, air a tomhas ann an diogan, agus thèid sgaradh a dhèanamh às a dhèidh.

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

Ruith an t-iarrtas seo

Fuirichidh an iuchair agad sa bhrobhsair seo: thèid a cur chun Doitong API a-mhàin agus a sàbhaladh (localStorage) a-mhàin ma chuireas tu comharra ri Cuimhnich. Faigh iuchair API

Mu Wizper (Whisper v3)

Ath-sgrìobhaidh e faidhle claistinn bho URL (mp3, mp4, mpeg, mpga, m4a, wav no webm), no eadar-theangaichidh e gu Beurla e le `task`. Tha an raon `language` a' toirt taic do 99 luachan, agus tha lorg fèin-ghluasadach comasach. Tillidh e an teacsa slàn còmhla ri pìosan le stampa-ama. Tha `max_segment_len` (10-29 diogan) agus `merge_chunks` a' smachdachadh mar a thèid na h-earrannan a sgaradh.

Paramadairean

Cuir an t-ainm canonical no an t-ainm dùthchasach, chan e an dà chuid. Ainmean canonical

AinmSeòrsa Bun-roghainnCeadaichte Tuairisgeul
audio_urlriatanach audio
Seòrsaurl · audio
In-chur tar-sgrìobhaidh air a thoirt seachad mar URL a tha a’ comharrachadh faidhle claisneachd ann an cruth mp3, mp4, mpeg, mpga, m4a, wav no webm.
taskroghainneil
Seòrsaenum
Bun-roghainntranscribe
transcribetranslate
Gnìomh giullachd claisneachd: tagh transcribe no translate.
languageroghainneil
Seòrsaenum
Bun-roghainnen
afamarasazbabebgbnbobrbscacscyda
+83 eiledeeleneseteufafifofrglguhahawhehihrhthuhyidisitjajwkakkkmknkolalblnloltlvmgmimkmlmnmrmsmtmynenlnnnoocpaplpsptrorusasdsiskslsnsosqsrsusvswtatetgthtktltrttukuruzviyiyozh
Taghadh cànain na claisneachd, le `None` ag iarraidh lorg fèin-obrachail aig cosgais ùine inferens nas fhaide. Airson a’ ghnìomha translate, ’s e Beurla an targaid eadar-theangachaidh an-còmhnaidh, mar sin chan atharraich an taghadh cànain seo cànan an às-chuir.
chunk_levelroghainneil
Seòrsastring
Bun-roghainnsegment
Granularity nam pìosan a thillear.
max_segment_lenroghainneil
Seòrsainteger
Bun-roghainn29
10 – 29
Crìoch faid roinn na cainnte, air a tomhas ann an diogan, agus thèid sgaradh a dhèanamh às a dhèidh.
merge_chunksroghainneil
Seòrsaboolean
Bun-roghainntrue
Smachd air co-aonadh phìosan leantainneach, a’ ceadachadh co-aonadh a-mhàin mura bi faid na roinne a thig às nas motha na max_segment_len.
versionroghainneil
Seòrsastring
Bun-roghainn3
Taghadh dreacha taobh a-staigh teaghlach Whisper large; chan eil caochladh Whisper eile air a chleachdadh leis na modailean seo.
riatanach Ainm canonical, gabhar ris cuideachd

Gabhaidh paramadairean faidhle ri URL poblach https://, URI data: suas ri 10 MB, no file_url de luchdachadh suas. Faidhlichean

Toradh

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"
  }
}
Na faidhlichean agad, do roghainnTha gach outputs[].url na lethbhreac air an stòradh againn: air a chumail gu bràth (air a phàigheadh gach GB-mìos) no 7 latha an-asgaidh, a rèir suidheachadh a’ chunntais agad no ?storage=.
An aon chruth air gach modailtype, url, content_type, width, height agus duration, airson dealbhan, bhidio agus fuaim le chèile. ’S e output nì toraidh a’ mhodail fhèin.
Raointean toraidh
text
stringTeacsa air ath-sgrìobhadh bhon chlaisdneachd.
chunks
array of object {timestamp, text}Pìosan claisneachd le stampaichean-ama nan cois.
languages
array of enum (string)Toraidhean lorg cànain na claisneachd, air an tilleadh mar liosta de chànanan a chaidh a mheasadh, le null mar luach bun-roghainn.

Do riochdairean AI: tha an duilleag seo mar Markdown aig https://doitong.com/gd/developers/models/wizper.md. Na modailean agus na treòraichean uile: https://doitong.com/developers/llms.txt