Paxa Labs
เข้าสู่ระบบ
การเปรียบเทียบทั้งหมด

Paxa Labs กับ OpenAI สำหรับถอดเสียงภาษาไทยและภาษาอื่น

ใช้ OpenAI SDK เดิมต่อได้ แล้วย้ายการเรียกถอดเสียงมาใช้โมเดลที่เน้นภาษาไทยเป็นหลัก พร้อมเทียบสอง API ทั้งรูปแบบผลลัพธ์ Timestamp การแยกผู้พูด คำศัพท์เฉพาะ รอบพูดแบบเรียลไทม์ และอายุการให้บริการของโมเดล

หากผลิตภัณฑ์ของคุณเรียกเอนด์พอยต์ถอดเสียงของ OpenAI อยู่ และไฟล์เสียงเป็นภาษาไทย ให้ตรวจก่อนว่าโมเดลไหนคืนสิ่งที่คุณต้องใช้ คู่มือของ OpenAI ให้ใช้ whisper-1 เมื่อต้องการ Timestamp ระดับคำและคำบรรยาย srt หรือ vtt และให้ใช้ gpt-4o-transcribe-diarize เมื่อต้องการแยกผู้พูด หน้าการเลิกใช้งานของเขาระบุว่าทั้งสองโมเดลจะถูกถอดออกในวันที่ 26 กุมภาพันธ์ 2570 พร้อมกับ gpt-4o-transcribe และ gpt-4o-mini-transcribe เอนด์พอยต์ /v1/audio/transcriptions ของเรารับคำสั่งเรียกจาก SDK แบบเดียวกันที่ base URL อื่น Paxa STT Lite เน้นภาษาไทยเป็นหลัก ถอดภาษาอื่นได้ด้วย และเป็นพรีวิวงานวิจัย

ที่มา:OpenAI transcription overview(เปิดในแท็บใหม่)OpenAI deprecations(เปิดในแท็บใหม่)

ตรวจสอบราคาและข้อมูลล่าสุดเมื่อ ตุลาคม 2569

เริ่มใช้ฟรีดูราคาทั้งหมด

สิ่งที่ต่างกัน

สิ่งที่ต่างกัน
หัวข้อPaxa LabsOpenAI(เปิดในแท็บใหม่)
การย้ายระบบที่ต่อกับ OpenAI ไว้แล้วใช้ OpenAI SDK และคำสั่ง audio.transcriptions.create เดิมได้ ชี้ base URL มาที่ API ของเราพร้อมคีย์ของ Paxa แล้วใช้ whisper-1 หรือชื่อโมเดลถอดเสียง gpt-4o ต่อได้ ยกเว้น gpt-4o-transcribe-diarize หรือตั้ง model เป็น paxa-stt-lite-v1-preview ไฟล์หนึ่งยาวได้ไม่เกิน 25 MiB และ 60 นาทีaudio.transcriptions.create ของ SDK อัปโหลดไฟล์เสียงพร้อม model ไปที่ POST /v1/audio/transcriptions ไฟล์ใหญ่ได้ไม่เกิน 25 MB
รูปแบบผลลัพธ์json (ค่าเริ่มต้น) verbose_json text srt หรือ vtt บนเอนด์พอยต์ที่เข้ากันได้json, text, srt, verbose_json, vtt และ diarized_json ขึ้นอยู่กับโมเดล ภาพรวมของเขาให้ใช้ whisper-1 เมื่อต้องการคำบรรยาย srt และ vtt
Timestamp ระดับคำอาร์เรย์ words บนเอนด์พอยต์หลัก /v1/stt หนึ่งช่วงต่อหนึ่งคำ และตัดคำภาษาไทยให้ ส่วนเอนด์พอยต์ที่เข้ากันได้ส่งรายการคำมาใน verbose_json เมื่อ timestamp_granularities ระบุ wordtimestamp_granularities สำหรับ Timestamp ระดับคำหรือระดับช่วง ใช้ได้เฉพาะกับ whisper-1
การแยกผู้พูดช่วงผู้พูดบน /v1/stt นับจาก 0 ตามลำดับที่ปรากฏครั้งแรก สำหรับไฟล์ที่สั้นกว่า 9 นาทีgpt-4o-transcribe-diarize คืนช่วงแบบ diarized_json พร้อม speaker, start และ end และจับคู่กับผู้พูดที่รู้จักได้สูงสุดสี่คนจากคลิปเสียงอ้างอิงสั้น ๆ
คำศัพท์เฉพาะและบริบทคลังคำศัพท์ได้สูงสุด 50 คำบน /v1/stt โดยไม่คิดเพิ่ม ส่วนเอนด์พอยต์ที่เข้ากันได้จะละเว้น promptgpt-transcribe รับ prompt สำหรับบริบท keywords สำหรับคำที่คาดว่าจะได้ยิน และ languages สำหรับภาษาที่คาดว่าจะพูด
รอบพูดแบบเรียลไทม์Paxa STT Lite Realtime บน WS /v1/stt/live ตรวจจับเองว่าผู้ใช้เริ่มและหยุดพูดเมื่อไร แล้วส่งบทถอดฉบับสุดท้ายหนึ่งชุดต่อหนึ่งรอบพูดgpt-live-transcribe ส่งบทถอดฉบับสุดท้ายเมื่อแอปของคุณยืนยันจบแต่ละรอบพูด หลังจากแอปตรวจจับจุดจบของเสียงพูดเอง และไม่คืน Timestamp ระดับคำหรือป้ายผู้พูด
อายุการให้บริการของโมเดลpaxa-stt-lite-v1-preview เป็นพรีวิวงานวิจัย คำขอคิดเครดิตตามอัตราที่ประกาศ และคุณภาพบทถอดกับชุดตัวเลือกอาจเปลี่ยนแปลงได้ในรุ่นถัดไปหน้าการเลิกใช้งานของเขาระบุว่า whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe และ gpt-4o-transcribe-diarize จะถูกถอดออกในวันที่ 26 กุมภาพันธ์ 2570 โมเดลที่แนะนำให้ใช้แทนคือ gpt-transcribe และ gpt-live-transcribe

ที่มา:OpenAI file transcription guide(เปิดในแท็บใหม่)OpenAI transcriptions API reference(เปิดในแท็บใหม่)OpenAI transcription overview(เปิดในแท็บใหม่)OpenAI realtime transcription(เปิดในแท็บใหม่)OpenAI deprecations(เปิดในแท็บใหม่)

Paxa STT Lite ต่อชั่วโมงเสียง
$0.50
OpenAI
$0.27-0.36
ราคาของเขา คิดเป็นกี่เท่า
0.54-0.72×

ช่วงราคาของ OpenAI เริ่มจาก gpt-transcribe ถึง whisper-1 ซึ่งเป็นสองโมเดลถอดเสียงที่คิดราคาต่อนาที และไม่รวมโมเดล gpt-4o-transcribe ที่คิดราคาตามโทเคน ทุกอัตราคิดต่อหนึ่งชั่วโมงของไฟล์เสียงที่บันทึกไว้ ตั้งแต่รุ่นที่ถูกที่สุดถึงแพงที่สุดแบบจ่ายตามใช้ โดยอัตราที่คิดรายนาทีหรือรายวินาทีแปลงมาเป็นหน่วยนี้แล้ว

ค่าใช้จ่ายที่ปริมาณงานของคุณ

ค่าใช้จ่ายที่ปริมาณงานของคุณ
ไฟล์เสียงต่อเดือนPaxa LabsOpenAIส่วนต่าง
10 ชั่วโมงPaxa Labs$5OpenAI$2.70-3.60ส่วนต่างแพงกว่า $2.30
100 ชั่วโมงPaxa Labs$50OpenAI$27-36ส่วนต่างแพงกว่า $23
1,000 ชั่วโมงPaxa Labs$500OpenAI$270-360ส่วนต่างแพงกว่า $230
10,000 ชั่วโมงPaxa Labs$5,000OpenAI$2,700-3,600ส่วนต่างแพงกว่า $2,300

ทุกตัวเลขคือราคาที่ประกาศไว้ทั้งสองฝั่งคูณกับปริมาณที่อยู่ข้างกัน กรณีที่อีกฝ่ายประกาศเป็นช่วงราคา จะเทียบกับปลายล่างและแสดงช่วงไว้ด้วย

กรณีที่ OpenAI เหมาะกว่า

หากผลิตภัณฑ์ของคุณใช้ OpenAI อยู่แล้ว การรวมโมเดลภาษาและการถอดเสียงไว้กับผู้ให้บริการรายเดียวในบิลเดียวก็สะดวกจริง gpt-transcribe อ่าน prompt แบบข้อความอิสระเพื่อเข้าใจบริบท ส่วนเอนด์พอยต์ที่เข้ากันได้ของเราละเว้นฟิลด์นั้น โมเดลแยกผู้พูดของเขาจับคู่ผู้พูดกับชื่อจากคลิปเสียงอ้างอิงสั้น ๆ ได้ ซึ่งเราไม่มีให้ การถอดเสียงแบบเรียลไทม์ของเขายังรับเสียงจากเบราว์เซอร์ผ่าน WebRTC ได้ด้วย เลือกเราเมื่อไฟล์ของคุณเป็นภาษาไทย และต้องการ Timestamp ระดับคำ ช่วงผู้พูด หรือคำบรรยายจากโมเดลเดียว

คำถามที่พบบ่อย

ต้องเขียนระบบที่ต่อกับ OpenAI ใหม่ไหม

ไม่ต้อง ชี้ base URL ของ SDK มาที่ API ของเรา แล้วเปลี่ยนเป็นคีย์ของ Paxa คำสั่ง audio.transcriptions.create เดิมทำงานต่อได้ รวมถึงชื่อ whisper-1 และชื่อโมเดลถอดเสียง gpt-4o ซึ่งทำงานบน paxa-stt-lite-v1-preview ยกเว้น gpt-4o-transcribe-diarize ซึ่งไม่รองรับ หากต้องการแยกผู้พูดให้ใช้ POST /v1/stt

เอนด์พอยต์ที่เข้ากันได้ขาดอะไรบ้าง

เอนด์พอยต์ที่เข้ากันได้ละเว้น prompt และ temperature ส่วน verbose_json ส่งช่วงข้อความ และส่งรายการคำเมื่อ timestamp_granularities ระบุ word ส่วนช่วงผู้พูด คลังคำศัพท์ และการเลือกเขียนแบบพูดหรือแบบเขียน มีให้บน /v1/stt ซึ่งใช้คีย์เดียวกัน

เผยแพร่การเปรียบเทียบความแม่นยำหรือความหน่วงไหม

ไม่ เราไม่เผยแพร่ตัวเลขความแม่นยำ คุณภาพ หรือความหน่วงของเราเอง ทั้งของโมเดลเราและของใครก็ตาม ลองถอดเสียงไฟล์เดียวกันทั้งสองฝั่งแล้วอ่านบทถอดเทียบกัน

ราคาบนหน้านี้เป็นปัจจุบันแค่ไหน

มาจากราคาที่ผู้ให้บริการแต่ละรายประกาศไว้ บันทึกรวมไว้ที่เดียว และตรวจซ้ำตามรอบที่กำหนด เดือนที่ตรวจล่าสุดพิมพ์ไว้ด้านบนของหน้านี้

การเปรียบเทียบอื่น

เริ่มต้นด้วยเครดิตฟรี

เข้าสู่ระบบด้วย Google, GitHub หรือ Hugging Face แล้วใช้เครดิตฟรี 100 เครดิตกับข้อความของคุณเอง

เริ่มใช้ฟรี