שפּרינגען צו אינהאַלט

ElevenLabs Speech to Text

אינטעגרירן

מאָדעל־id elevenlabs/speech-to-text
# 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/elevenlabs/speech-to-text?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"

פֿײַלן ווי דער בײַשפּיל: ⁨$ 0.03⁩ 30 API־קרעדיטן אײַערע פֿײַלן ווערן געמאסטן איידערן לויפֿן לויפֿן עס אויף דער דאָזיקער בלאַט

באַקומען אַן API שליסל
ElevenLabs רעדע צו טעקסט #speech

אַלגעמיינער רייד־טראַנסקריפּציע מיט רעדנער־דיאַריזאַציע, אַודיאָ־געשעעניש־טאַגס און וואָרט־ניוואָ־דעטאַלן

ElevenLabs · טעקסט

דאָ קומט אײַער ערשטער רעזולטאַט

בויט אונטן אַ בקשה און לויפט זי מיט אײַער API שליסל. רעזולטאַטן ווערן קאַפּירט צו אונדזער סטאָרידזש, געהאַלטן אויף אייביק אָדער 7 טעג אומזיסט.

בויען אַ בעטן

קאָנטראָלן ווערן דזשענערירט פֿון דעם מאָדעל־סכעמע. דער קאָד און דער פּרײַז דערהײַנטיקן זיך ווען איר ענדערט זיי.

•פארלאנגט audio_url
לייגט אַרײַן אַ טעקע, אָדער

URL וואָס ווײַזט צו אַודיאָ פֿאַר טראַנסקריפּציע.

פֿאָרגעשריטן language_code · tag_audio_events · diarize

קאָד וואָס אידענטיפֿיצירט די שפּראַך פֿונעם אַודיאָ.

POST /run/elevenlabs/speech-to-text?wait=20 פּרײַז → ⁨$ 0.03⁩
# 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/elevenlabs/speech-to-text?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"

לויפֿן דעם ריקוועסט

אײַער key בלײַבט אין דעם בלעטערער: זי ווערט געשיקט נאָר צום Doitong API און אָפּגעהיט (localStorage) נאָר אויב איר טיקט אָן געדענקען. באַקומען אַן API שליסל

וועגן ElevenLabs Speech to Text

טראַנסקריבירט אַן אַודיאָ־טעקע אין טעקסט. באַשטימען `language_code` אָדער לאָזן עס ליידיק פֿאַר דערקענונג. `diarize` צייכנט אָן ווער עס רעדט, און `tag_audio_events` מאַרקירט קלאַנגען ווי געלעכטער; ביידע זענען לויטן באַשטעטיקונג אָנגעצונדן. די רעזולטאַט נעמט אַרײַן דעם גאַנצן טעקסט, די שפּראַך און איר דערקענונג־זיכערקייט, און וואָרט־ניוואָ־דעטאַלן.

פּאַראַמעטערס

שיקט אָדער דעם קאַנאָנישן נאָמען אָדער דעם נאַטיוון נאָמען, נישט ביידע. קאַנאָנישע נעמען

נאָמעןטיפּ סטאַנדאַרטערלויבט באַשרײַבונג
audio_urlפארלאנגט audio
טיפּurl · audio
URL וואָס ווײַזט צו אַודיאָ פֿאַר טראַנסקריפּציע.
language_codeאָפּציאָנעל
טיפּstring | null
קאָד וואָס אידענטיפֿיצירט די שפּראַך פֿונעם אַודיאָ.
tag_audio_eventsאָפּציאָנעל
טיפּboolean
סטאַנדאַרטtrue
קאָנטראָלירט טאַגינג פֿון אַודיאָ־געשעענישן, ווי געלעכטער אָדער אַפּלאָדיסמענטן.
diarizeאָפּציאָנעל
טיפּboolean
סטאַנדאַרטtrue
קאָנטראָלירט צי רעדנער־אידענטיטעטן ווערן אַנאָטירט.
פארלאנגט קאַנאָנישער נאָמען, אויך אַקצעפּטירט

טעקע־פּאַראַמעטערס נעמען אַן עפֿנטלעכע https:// URL, אַ data: URI ביז 10 MB, אָדער דעם file_url פֿון אַן אַרויפֿלאָד. טעקעס

אויסגאַבע

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "elevenlabs/speech-to-text",
  "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": 30,
    "usd": "0.03",
    "charged": 30,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "text": "string",
    "language_code": "string",
    "language_probability": 1.0,
    "words": [
      {
        "text": "string",
        "start": 1.0,
        "end": 1.0,
        "type": "string",
        "speaker_id": "string"
      }
    ]
  },
  "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"
  }
}
אייער טעקעס, אייער ברירהיעדער outputs[].url איז אַ קאַפּיע אין אונדזער סטאָרידזש: געהאַלטן אויף אייביק (באַצאָלט פּער GB־חודש) אָדער 7 טעג אומזיסט, לויט אײַער חשבון־באַשטעטיקונג אָדער ?storage=.
דער זעלבער פֿאָרעם בײַ יעדן מאָדעלtype, url, content_type, width, height און duration, סײַ פֿאַר בילדער, ווידעאָ און אַודיאָ. output איז דער אייגענער רעזולטאַט־אָביעקט פֿון מאָדעל.
פֿעלדער פֿון דער אויסגאַבע
text
stringגאַנצער טעקסט פֿון דער טראַנסקריפּציע.
language_code
stringשפּראַך־קאָד באקומען דורך דערקענונג אָדער בפֿירושער ספּעציפֿיקאַציע.
language_probability
numberזיכערקייט־סקאָר פֿאַר דער דערקענטער שפּראַך.
words
array of object {text, start, end, type, speaker_id}טראַנסקריפּציע־אינפֿאָרמאַציע פֿאַר איינציקע ווערטער.

מער מאָדעלן: רעדע צו טעקסט

פֿאַר AI־אַגענטן: דער בלאַט ווי Markdown געפֿינט זיך בײַ https://doitong.com/yi/developers/models/elevenlabs/speech-to-text.md. אַלע מאָדעלן און גוידעס: https://doitong.com/developers/llms.txt