အကြောင်းအရာသို့ ကျော်ရန်

Wizper (Whisper v3)

ပေါင်းစည်းရန်

မော်ဒယ် id 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"

လုပ်ဆောင်မှုတစ်ကြိမ်လျှင် ၁.၉၉၈ $ အထိ အမှန်တကယ် အသုံးပြုမှုအလိုက် ကောက်ခံပြီး ကျန်ငွေကို ငွေပြန်အမ်းသည် ဤစာမျက်နှာတွင် လုပ်ဆောင်ရန်

API ကီး ရယူရန်
OpenAI အသံမှ စာသား #transcription#speech

Whisper v3 အသံမှတ်တမ်းပြုခြင်းနှင့် အချိန်တံဆိပ်ပါ အပိုင်းများဖြင့် အင်္ဂလိပ်ဘာသာသို့ ဘာသာပြန်ခြင်း

OpenAI · စာသား

သင့်ပထမဆုံးရလဒ် ဤနေရာတွင် ပေါ်လာမည်

အောက်တွင် တောင်းဆိုချက်တစ်ခု တည်ဆောက်ပြီး သင့် API ကီးဖြင့် လုပ်ဆောင်ပါ။ ထွက်ရလဒ်များကို ကျွန်ုပ်တို့၏ သိုလှောင်မှုသို့ ကူးယူပြီး အမြဲတမ်း သို့မဟုတ် ၇ ရက် အခမဲ့ သိမ်းထားသည်။

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

ထိန်းချုပ်မှုများကို မော်ဒယ် schema မှ အလိုအလျောက်ဖန်တီးသည်။ ၎င်းတို့ကို ပြောင်းလဲသည်နှင့် code နှင့် စျေးနှုန်းတို့လည်း ပြောင်းလဲမည်။

•လိုအပ်သည် audio_url
ဖိုင်ကို ဆွဲချပါ၊ သို့မဟုတ်

mp3, mp4, mpeg, mpga, m4a, wav သို့မဟုတ် webm ဖော်မတ်ရှိ အသံဖိုင်သို့ ညွှန်ပြသော URL အဖြစ် ပေးထားသည့် စာသားပြောင်းထည့်သွင်းချက်။

အဆင့်မြင့် task · language · chunk_level · version · max_segment_len · merge_chunks
task မူလ transcribe

အသံလုပ်ဆောင်မှုတာဝန် - transcribe သို့မဟုတ် translate ကို ရွေးချယ်ပါ။

မူလ en

အသံဘာသာစကားရွေးချယ်မှု၊ `None` သည် အလိုအလျောက်ရှာဖွေမှုကို တောင်းဆိုပြီး inference အချိန် ပိုကြာနိုင်သည်။ translate တာဝန်အတွက် အင်္ဂလိပ်ဘာသာသည် အမြဲတမ်း ဘာသာပြန်ရည်မှန်းချက်ဖြစ်သောကြောင့် ဤဘာသာစကားရွေးချယ်မှုသည် ထွက်ရလဒ်ဘာသာစကားကို မပြောင်းလဲပါ။

မူလ segment

ပြန်ပေးမည့် အပိုင်းငယ်များ၏ အသေးစိတ်အဆင့်။

မူလ 3

Whisper large အုပ်စုအတွင်း ဗားရှင်းရွေးချယ်မှု၊ ဤမော်ဒယ်များတွင် အခြား Whisper မျိုးကွဲကို အသုံးမပြုပါ။

မူလ 29

ခွဲထုတ်ခြင်းမပြုမီ သတ်မှတ်ထားသော စက္ကန့်ဖြင့် တိုင်းတာသည့် အသံစကားပိုင်းအရှည် ကန့်သတ်ချက်။

POST /run/wizper?wait=20 ကုန်ကျစရိတ် → ၁.၉၉၈ $
# 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"

ဤတောင်းဆိုချက်ကို လုပ်ဆောင်ရန်

သင့် key သည် ဤဘရောက်ဇာထဲတွင်သာ ရှိမည်ဖြစ်ပြီး Doitong API သို့သာ ပို့မည်။ Remember ကို အမှန်ခြစ်ထားမှသာ (localStorage) တွင် သိမ်းမည်။ API ကီး ရယူရန်

Wizper (Whisper v3) အကြောင်း

URL မှ အသံဖိုင် (mp3၊ mp4၊ mpeg၊ mpga၊ m4a၊ wav သို့မဟုတ် webm) ကို မှတ်တမ်းပြုနိုင်သလို `task` ဖြင့် အင်္ဂလိပ်ဘာသာသို့ ဘာသာပြန်နိုင်သည်။ `language` အကွက်တွင် တန်ဖိုး 99 ခုကို ပံ့ပိုးပြီး အလိုအလျောက်ရှာဖွေခြင်းလည်း ပြုလုပ်နိုင်သည်။ အပြည့်အစုံစာသားနှင့် အချိန်တံဆိပ်ပါ အပိုင်းများကို ပြန်ပေးသည်။ `max_segment_len` (10-29 စက္ကန့်) နှင့် `merge_chunks` က အပိုင်းများခွဲပုံကို ထိန်းချုပ်သည်။

ပါရာမီတာများ

စံအမည် သို့မဟုတ် မူရင်းအမည် တစ်ခုခုကိုသာ ပို့ပါ၊ နှစ်ခုလုံး မပို့ပါနှင့်။ စံအမည်များ

အမည်အမျိုးအစား မူလတန်ဖိုးခွင့်ပြုထားသည် ဖော်ပြချက်
audio_urlလိုအပ်သည် audio
အမျိုးအစားurl · audio
mp3, mp4, mpeg, mpga, m4a, wav သို့မဟုတ် webm ဖော်မတ်ရှိ အသံဖိုင်သို့ ညွှန်ပြသော URL အဖြစ် ပေးထားသည့် စာသားပြောင်းထည့်သွင်းချက်။
taskရွေးချယ်နိုင်သည်
အမျိုးအစားenum
မူလတန်ဖိုးtranscribe
transcribetranslate
အသံလုပ်ဆောင်မှုတာဝန် - transcribe သို့မဟုတ် translate ကို ရွေးချယ်ပါ။
languageရွေးချယ်နိုင်သည်
အမျိုးအစားenum
မူလတန်ဖိုးen
afamarasazbabebgbnbobrbscacscyda
+83 ခု ထပ်မံdeeleneseteufafifofrglguhahawhehihrhthuhyidisitjajwkakkkmknkolalblnloltlvmgmimkmlmnmrmsmtmynenlnnnoocpaplpsptrorusasdsiskslsnsosqsrsusvswtatetgthtktltrttukuruzviyiyozh
အသံဘာသာစကားရွေးချယ်မှု၊ `None` သည် အလိုအလျောက်ရှာဖွေမှုကို တောင်းဆိုပြီး inference အချိန် ပိုကြာနိုင်သည်။ translate တာဝန်အတွက် အင်္ဂလိပ်ဘာသာသည် အမြဲတမ်း ဘာသာပြန်ရည်မှန်းချက်ဖြစ်သောကြောင့် ဤဘာသာစကားရွေးချယ်မှုသည် ထွက်ရလဒ်ဘာသာစကားကို မပြောင်းလဲပါ။
chunk_levelရွေးချယ်နိုင်သည်
အမျိုးအစားstring
မူလတန်ဖိုးsegment
ပြန်ပေးမည့် အပိုင်းငယ်များ၏ အသေးစိတ်အဆင့်။
max_segment_lenရွေးချယ်နိုင်သည်
အမျိုးအစားinteger
မူလတန်ဖိုး29
၁၀ – ၂၉
ခွဲထုတ်ခြင်းမပြုမီ သတ်မှတ်ထားသော စက္ကန့်ဖြင့် တိုင်းတာသည့် အသံစကားပိုင်းအရှည် ကန့်သတ်ချက်။
merge_chunksရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးtrue
ဆက်တိုက်အပိုင်းငယ်များ ပေါင်းစည်းမှု ထိန်းချုပ်ချက်၊ ပေါင်းစည်းပြီးနောက် အပိုင်း၏ကြာချိန်သည် max_segment_len ထက် မပိုမှသာ ပေါင်းစည်းခွင့်ပြုသည်။
versionရွေးချယ်နိုင်သည်
အမျိုးအစားstring
မူလတန်ဖိုး3
Whisper large အုပ်စုအတွင်း ဗားရှင်းရွေးချယ်မှု၊ ဤမော်ဒယ်များတွင် အခြား Whisper မျိုးကွဲကို အသုံးမပြုပါ။
လိုအပ်သည် စံအမည်၊ ထို့အပြင် လက်ခံသည်

ဖိုင်ပါရာမီတာများသည် အများပြည်သူသုံး https:// URL၊ 10 MB အထိ data: URI သို့မဟုတ် အပ်လုဒ်လုပ်ထားသောဖိုင်၏ file_url ကို လက်ခံသည်။ ဖိုင်များ

ထွက်ရလဒ်

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"
  }
}
သင့်ဖိုင်များ၊ သင့်ရွေးချယ်မှုoutputs[].url တိုင်းသည် ကျွန်ုပ်တို့၏ သိုလှောင်မှုရှိ မိတ္တူဖြစ်သည်- အမြဲတမ်း (GB-month အလိုက် ငွေပေးရသည်) သို့မဟုတ် ၇ ရက် အခမဲ့၊ သင့်အကောင့်ဆက်တင် သို့မဟုတ် ?storage= ဖြင့် သိမ်းထားသည်။
မော်ဒယ်တိုင်းတွင် ပုံစံတူပုံ၊ ဗီဒီယိုနှင့် အသံတို့အတွက် type၊ url၊ content_type၊ width၊ height နှင့် duration။ output သည် မော်ဒယ်ကိုယ်တိုင်၏ ရလဒ် object ဖြစ်သည်။
ထွက်ရလဒ်၏ Fields များ
text
stringအသံမှ စာသားပြောင်းထားသော စာသား။
chunks
array of object {timestamp, text}အချိန်မှတ်တမ်းများနှင့်အတူ ပါဝင်သော အသံအပိုင်းငယ်များ။
languages
array of enum (string)အသံဘာသာစကားရှာဖွေမှု ရလဒ်များ၊ ခန့်မှန်းထားသော ဘာသာစကားများစာရင်းအဖြစ် ပြန်ပေးပြီး မူလတန်ဖိုးမှာ null ဖြစ်သည်။

AI အေးဂျင့်များအတွက်- ဤစာမျက်နှာ၏ Markdown ကို ဤနေရာတွင် ရရှိနိုင်သည် https://doitong.com/my/developers/models/wizper.md. မော်ဒယ်များနှင့် လမ်းညွှန်များအားလုံး: https://doitong.com/developers/llms.txt