สร้างซับไตเติล SRT และ WebVTT จากไฟล์เสียงของคุณ
การทำซับไตเติลด้วยมือหมายถึงการพิมพ์ทุกบรรทัด แล้วตั้งเวลาขึ้นและเวลาหายของแต่ละบรรทัดเองทีละช่วง
Paxa STT Lite ซึ่งเป็นพรีวิวงานวิจัย คืนบทถอดพร้อมไฟล์ SubRip หรือ WebVTT มาในคำตอบเดียวกัน ทุกจุดขึ้นบรรทัดใหม่อยู่ตรงขอบคำ ถอดเสียงภาษาไทยเป็นหลัก และถอดภาษาอื่นได้ด้วย
ไฟล์เสียงหนึ่งไฟล์ พร้อมซับไตเติล#
ข้อความแจ้งเตือนชำระเงินภาษาไทย Timestamp ระดับคำที่ API คืนให้ และไฟล์ SubRip กับ WebVTT ที่ตัดจาก Timestamp เหล่านั้นด้วยโค้ดชุดเดียวกับที่ API ใช้ Timestamp เป็นค่าที่บันทึกจากการเรียกจริงโดยไม่มีการแก้ไข
1 00:00:00,120 --> 00:00:01,000 สวัสดีค่ะ 2 00:00:01,080 --> 00:00:02,080 คุณสมชาย 3 00:00:02,360 --> 00:00:05,759 ยอดชำระของท่านจำนวน พันสองร้อยห้าสิบ บาท 4 00:00:06,320 --> 00:00:08,500 ครบกำหนดวันที่ สิบห้า สิงหาคมนี้ 5 00:00:09,080 --> 00:00:11,660 ชำระผ่านแอปได้ตลอด ยี่สิบสี่ ชั่วโมงค่ะ
WEBVTT 00:00:00.120 --> 00:00:01.000 สวัสดีค่ะ 00:00:01.080 --> 00:00:02.080 คุณสมชาย 00:00:02.360 --> 00:00:05.759 ยอดชำระของท่านจำนวน พันสองร้อยห้าสิบ บาท 00:00:06.320 --> 00:00:08.500 ครบกำหนดวันที่ สิบห้า สิงหาคมนี้ 00:00:09.080 --> 00:00:11.660 ชำระผ่านแอปได้ตลอด ยี่สิบสี่ ชั่วโมงค่ะ
[ {"text":"สวัสดี","start":0.12,"end":0.44}, {"text":"ค่ะ","start":0.52,"end":0.66}, {"text":"คุณ","start":1.08,"end":1.24}, {"text":"สมชาย","start":1.32,"end":1.88}, {"text":"ยอด","start":2.36,"end":2.56}, {"text":"ชำระ","start":2.6,"end":2.879}, {"text":"ของ","start":3,"end":3.14}, {"text":"ท่าน","start":3.2,"end":3.359}, {"text":"จำนวน","start":3.48,"end":3.879}, {"text":"พันสองร้อยห้าสิบ","start":4.24,"end":5.4}, {"text":"บาท","start":5.56,"end":5.759}, {"text":"ครบ","start":6.32,"end":6.52}, {"text":"กำหนด","start":6.56,"end":6.84}, {"text":"วัน","start":6.92,"end":7.039}, {"text":"ที่","start":7.04,"end":7.119}, {"text":"สิบห้า","start":7.24,"end":7.48}, {"text":"สิงหาคม","start":7.68,"end":8.26}, {"text":"นี้","start":8.36,"end":8.5}, {"text":"ชำระ","start":9.08,"end":9.36}, {"text":"ผ่าน","start":9.48,"end":9.68}, {"text":"แอป","start":9.76,"end":9.92}, {"text":"ได้","start":10,"end":10.14}, {"text":"ตลอด","start":10.2,"end":10.46}, {"text":"ยี่สิบสี่","start":10.56,"end":10.96}, {"text":"ชั่วโมง","start":11.08,"end":11.4}, {"text":"ค่ะ","start":11.52,"end":11.66} ]
paxa-stt-lite-v1-preview · บันทึกเมื่อ 15 ต.ค. 2569
จากไฟล์เสียงเป็นไฟล์ซับไตเติล#
หนึ่งคำขอต่อหนึ่งไฟล์เสียง ได้ทั้งบทถอดและไฟล์ซับไตเติลกลับมาพร้อมกัน ถ้าใช้ OpenAI SDK ให้เรียก /v1/audio/transcriptions แล้วตั้ง response_format เป็น srt หรือ vtt
ส่งไฟล์เสียง
POST ไปที่ /v1/stt เป็น base64 รองรับ MP3, WAV, FLAC, Ogg, M4A, AAC และ WebM ยาวไม่เกิน 60 นาทีและ 25 MiB
ขอไฟล์ซับไตเติล
ตั้ง subtitles เป็น srt หรือ vtt ตั้ง diarization เป็น true ให้แต่ละช่วงมีผู้พูดคนเดียว และตั้ง subtitle_line_chars เป็นความยาวบรรทัดที่ต้องการ ตั้งแต่ 10 ถึง 120 คอลัมน์
บันทึกไฟล์
คำตอบมีไฟล์ทั้งไฟล์เป็น String เดียว พร้อมเขียนลงดิสก์ได้เลย ถ้าตั้ง timestamps เป็น word ด้วย จะได้ Timestamp ระดับคำกลับมาคู่กัน
Paxa STT Lite ราคา $0.50 ต่อชั่วโมงเสียง คิดตามความยาวจริงละเอียดถึงมิลลิวินาที
คำถาม#
รองรับไฟล์เสียงอะไรบ้าง
MP3, WAV, FLAC, Ogg, M4A, AAC และ WebM ยาวไม่เกิน 60 นาทีและ 25 MiB ต่อคำขอ ถ้าเป็นวิดีโอ ให้ส่งแทร็กเสียงของวิดีโอนั้น เวลาของแต่ละช่วงนับจากต้นไฟล์เสียง
ซับไตเติลถูกตัดเป็นช่วงอย่างไร
ตัดตรงจุดจบประโยคและช่วงเว้นจังหวะ จากนั้นตัดตามความยาวบรรทัด ค่าเริ่มต้นคือ 60 คอลัมน์ หรือ 32 คอลัมน์เมื่อบทถอดส่วนใหญ่เป็นภาษาจีน ญี่ปุ่น หรือเกาหลี ภาษาไทยไม่เว้นวรรคระหว่างคำ แต่ทุกจุดขึ้นบรรทัดใหม่ยังอยู่ตรงขอบคำ สระและวรรณยุกต์ที่อยู่บนหรือล่างพยัญชนะไม่นับความกว้าง
ระบุผู้พูดได้ไหม
ตั้ง diarization เป็น true แล้วจะไม่มีช่วงซับไตเติลใดคร่อมจุดเปลี่ยนผู้พูด ในไฟล์ไม่มีชื่อผู้พูด ส่วน segments ในคำตอบจะบอกหมายเลขผู้พูดของแต่ละช่วงพูด การแยกผู้พูดใช้กับไฟล์ที่สั้นกว่า 9 นาที
พรีวิวงานวิจัยหมายความว่าอะไร
Paxa STT Lite เปิดขายในอัตราที่ประกาศระหว่างการประเมิน ผลลัพธ์และตัวเลือกอาจเปลี่ยนแปลงได้ในรุ่นถัดไป
เริ่มต้นด้วยเครดิตฟรี
เข้าสู่ระบบด้วย Google, GitHub หรือ Hugging Face แล้วใช้เครดิตฟรี 100 เครดิตกับข้อความของคุณเอง