Paxa Labs
เข้าสู่ระบบ
การเปรียบเทียบทั้งหมด

Paxa Labs กับ Google Cloud Speech-to-Text สำหรับถอดเสียงภาษาไทย

เทียบ API ถอดเสียงภาษาไทยและภาษาอื่นกับ Google Cloud Speech-to-Text และ Chirp 3 ทั้งการรองรับภาษาไทย ประโยคที่มีภาษาอังกฤษปน Timestamp ระดับคำ ช่วงผู้พูด และการคิดเงิน

การถอดเสียงภาษาไทยบน Google Cloud เริ่มจากตารางภาษาของเขา Chirp 3 บน Speech-to-Text V2 API ระบุภาษาไทยไว้ในสถานะ Preview และการแยกผู้พูดรองรับเฉพาะรายการภาษาที่ไม่มีภาษาไทย Paxa STT Lite ถอดภาษาไทยและภาษาอื่นตามที่พูดจริง พร้อม Timestamp ระดับคำและช่วงผู้พูดในคำขอเดียวกัน โมเดลนี้เป็นพรีวิวงานวิจัย เปิดขายในอัตราที่ประกาศ และบทถอดกับตัวเลือกอาจเปลี่ยนแปลงได้ในรุ่นถัดไป ทีมที่เก็บไฟล์เสียงไว้ใน Cloud Storage อยู่แล้วควรลองถอดไฟล์ภาษาไทยของตัวเองกับทั้งสองฝั่ง

ที่มา:Google Chirp 3 model(เปิดในแท็บใหม่)

ตรวจสอบราคาและข้อมูลล่าสุดเมื่อ ตุลาคม 2569

เริ่มใช้ฟรีดูราคาทั้งหมด

สิ่งที่ต่างกัน

สิ่งที่ต่างกัน
หัวข้อPaxa LabsGoogle Cloud Speech-to-Text(เปิดในแท็บใหม่)
การถอดเสียงภาษาไทยภาษาไทยเป็นหลัก เสียงพูดภาษาอื่นถูกถอดตามที่พูด และไม่มีการแปลChirp 3 ระบุการถอดเสียงภาษาไทย (th-TH) ไว้ในสถานะ Preview
ภาษาไทยที่มีภาษาอังกฤษปนประโยคภาษาไทยที่สลับเป็นภาษาอังกฤษถูกเขียนตามที่พูดโดยไม่ต้องตั้งค่า ฟิลด์ language เป็นคำใบ้แบบ BCP 47 ที่ไม่บังคับ หากไม่ระบุ โมเดลตรวจจับภาษาเองตั้ง language_codes เป็น auto แล้วระบบจะระบุและถอดเสียงในภาษาหลักที่พูดในไฟล์
การส่งไฟล์เสียงไฟล์เสียงส่งไปในคำขอพร้อมโมเดล paxa-stt-lite-v1-preview เป็น base64 บน /v1/stt หรือเป็นไฟล์แบบ multipart บนเอนด์พอยต์ที่เข้ากันได้กับ OpenAI แล้วบทถอดกลับมาในคำตอบRecognize รับเสียงที่สั้นกว่าหนึ่งนาที เสียงที่ยาวกว่านั้นต้องผ่าน batch recognition ซึ่งอ่านได้เฉพาะไฟล์ใน Cloud Storage และคืนผลในคำตอบหรือเขียนลง Cloud Storage
Timestamp ระดับคำช่วงเวลาระดับคำบนไฟล์ยาวได้ถึง 60 นาที ระบบตัดคำภาษาไทยให้ ส่วนคำละตินและตัวเลขมาทั้งคำBatchRecognize บน Chirp 3 โดยทั่วไปรับเสียงได้ถึงหนึ่งชั่วโมง และไม่เกิน 20 นาทีเมื่อเปิด Timestamp ระดับคำ
ช่วงผู้พูดแยกช่วงผู้พูดโดยนับหมายเลขจาก 0 บนไฟล์ที่สั้นกว่า 9 นาทีการแยกผู้พูดรองรับตามรายการภาษาที่ประกาศไว้ ซึ่งไม่มีภาษาไทย
คลังคำศัพท์ได้ถึง 50 คำต่อคำขอ ภาษาไทยหรือภาษาอื่นก็ได้ สะกดตามที่ต้องการให้ปรากฏในบทถอดSpeech adaptation บน Chirp 3 รับได้ถึง 1,000 วลี
การคิดเงินตัดเครดิตก่อนถอดเสียงตามความยาวจริงที่อ่านจากตัวไฟล์ และคืนเครดิตอัตโนมัติเมื่อถอดเสียงไม่สำเร็จคิดตามเสียงที่ประมวลผลสำเร็จ ปัดแต่ละคำขอขึ้นเป็นวินาทีถัดไป และคิดแยกทุกแชนเนล คำขอที่จบด้วยข้อผิดพลาดฝั่งเซิร์ฟเวอร์ไม่คิดเงิน

ที่มา:Google Chirp 3 model(เปิดในแท็บใหม่)Google batch recognition(เปิดในแท็บใหม่)Google Cloud Speech-to-Text pricing(เปิดในแท็บใหม่)

Paxa STT Lite ต่อชั่วโมงเสียง
$0.50
Google Cloud Speech-to-Text
$0.18-0.96
ราคาของเขา คิดเป็นกี่เท่า
0.36-1.9×

ช่วงราคาของ Google เริ่มจาก dynamic batch ไปจนถึง standard recognition บน V2 API ซึ่งเป็นสองอัตราที่ครอบคลุมโมเดล Chirp โดยอัตรา standard ใช้ขั้นปริมาณแรกของเดือน ทุกอัตราคิดต่อหนึ่งชั่วโมงของไฟล์เสียงที่บันทึกไว้ ตั้งแต่รุ่นที่ถูกที่สุดถึงแพงที่สุดแบบจ่ายตามใช้ โดยอัตราที่คิดรายนาทีหรือรายวินาทีแปลงมาเป็นหน่วยนี้แล้ว

ค่าใช้จ่ายที่ปริมาณงานของคุณ

ค่าใช้จ่ายที่ปริมาณงานของคุณ
ไฟล์เสียงต่อเดือนPaxa LabsGoogle Cloud Speech-to-Textส่วนต่าง
10 ชั่วโมงPaxa Labs$5Google Cloud Speech-to-Text$1.80-9.60ส่วนต่างแพงกว่า $3.20
100 ชั่วโมงPaxa Labs$50Google Cloud Speech-to-Text$18-96ส่วนต่างแพงกว่า $32
1,000 ชั่วโมงPaxa Labs$500Google Cloud Speech-to-Text$180-960ส่วนต่างแพงกว่า $320
10,000 ชั่วโมงPaxa Labs$5,000Google Cloud Speech-to-Text$1,800-9,600ส่วนต่างแพงกว่า $3,200

ทุกตัวเลขคือราคาที่ประกาศไว้ทั้งสองฝั่งคูณกับปริมาณที่อยู่ข้างกัน กรณีที่อีกฝ่ายประกาศเป็นช่วงราคา จะเทียบกับปลายล่างและแสดงช่วงไว้ด้วย

กรณีที่ Google Cloud Speech-to-Text เหมาะกว่า

ทีมที่ใช้ Google Cloud อยู่แล้วเก็บงานถอดเสียงไว้ในโปรเจกต์ การเรียกเก็บเงิน และบัคเก็ต Cloud Storage เดิมได้ Speech adaptation บน Chirp 3 รับได้ถึง 1,000 วลี ส่วนคลังคำศัพท์ของเรารับ 50 คำ Dynamic batch ช่วยลดอัตราสำหรับไฟล์ที่รอผลได้ เลือกเราเมื่อไฟล์เสียงเป็นภาษาไทยหรือภาษาไทยที่มีภาษาอังกฤษปน และบทถอดต้องแยกช่วงผู้พูด

คำถามที่พบบ่อย

พรีวิวงานวิจัยหมายความว่าอย่างไรสำหรับงานจริง

Paxa STT Lite เปิดขายในอัตราที่ประกาศระหว่างการประเมิน บทถอดและตัวเลือกอาจเปลี่ยนแปลงได้ในรุ่นถัดไป และบันทึกการเปลี่ยนแปลงในหน้าผลิตภัณฑ์ระบุทุกครั้ง

ถอดเสียงสดได้ไหม

ได้ Paxa STT Lite Realtime ทำงานผ่าน WebSocket ตรวจจับเองว่าแต่ละรอบพูดจบตรงไหน แล้วส่งบทถอดที่จบแล้วทุกรอบพูด โมเดลนี้เป็นพรีวิวงานวิจัยเช่นกัน และคิดเงินตามเสียงที่รับเข้ามา

เผยแพร่การเปรียบเทียบความแม่นยำไหม

ไม่ เราไม่เผยแพร่ตัวเลขความแม่นยำหรือความเร็วของเราเอง ทั้งของโมเดลเราและของใครก็ตาม ลองถอดไฟล์เดียวกันทั้งสองฝั่งแล้วอ่านบทถอดเทียบกัน

ราคาบนหน้านี้เป็นปัจจุบันแค่ไหน

มาจากราคาที่ผู้ให้บริการแต่ละรายประกาศไว้ บันทึกรวมไว้ที่เดียว และตรวจซ้ำตามรอบที่กำหนด เดือนที่ตรวจล่าสุดอยู่ด้านบนของหน้านี้

การเปรียบเทียบอื่น

เริ่มต้นด้วยเครดิตฟรี

เข้าสู่ระบบด้วย Google, GitHub หรือ Hugging Face แล้วใช้เครดิตฟรี 100 เครดิตกับข้อความของคุณเอง

เริ่มใช้ฟรี