ถอดเสียงวิทยุและโทรทัศน์ภาษาไทยเป็นข้อความ
เปลี่ยนเสียงวิทยุ โทรทัศน์ และพอดแคสต์ภาษาไทยให้เป็นข้อความที่ทีมค้นหาได้ หาทุกครั้งที่ชื่อหรือข้อความถูกพูดถึง พร้อมวินาทีที่พูด
บทถอดเสียงเขียนว่าอย่างไร
สปอตโฆษณาวิทยุ
spokenโปรโมชั่นพิเศษ ลดสูงสุด ห้าสิบ เปอร์เซ็นต์ ถึงสิ้นเดือน สิงหาคม นี้เท่านั้น
writtenโปรโมชั่นพิเศษ ลดสูงสุด 50% ถึงสิ้นเดือนสิงหาคมนี้เท่านั้น
บรรทัดแคมเปญตามที่อ่านออกอากาศ แบบเขียนใส่ส่วนลดและวันสิ้นสุดในรูปที่รายงานพิมพ์จริง
ข่าวต้นชั่วโมง
spokenราคาน้ำมันดีเซลปรับขึ้น ห้าสิบ สตางค์ต่อลิตร มีผลตั้งแต่เที่ยงคืนวันที่ หนึ่ง กันยายน
writtenราคาน้ำมันดีเซลปรับขึ้น 50 สตางค์ต่อลิตร มีผลตั้งแต่เที่ยงคืนวันที่ 1 กันยายน
ตัวเลขกับวันที่อยู่ในประโยคเดียว ทีมที่ค้นหาอย่างใดอย่างหนึ่งเจอบรรทัดนี้ได้ทั้งสองแบบ
การพูดถึงในรายการสนทนา
spokenเมื่อวานผมลองใช้แอปตัวใหม่ที่เพื่อนแนะนำ ใช้ง่ายกว่าที่คิดเยอะเลยครับ
writtenเมื่อวานผมลองใช้แอปตัวใหม่ที่เพื่อนแนะนำ ใช้ง่ายกว่าที่คิดเยอะเลยครับ
การพูดถึงที่ไม่ได้จ่ายเงิน แทรกอยู่ในบทสนทนาธรรมดา สองแบบตรงกันตรงนี้ เพราะบรรทัดนี้ไม่มีตัวเลข
บทถอดทุกคู่บนหน้านี้เป็นตัวอย่างที่เขียนขึ้นเพื่อแสดงว่าตัวเลือกรูปแบบเปลี่ยนอะไร และตรวจกับผลลัพธ์จริงก่อนเผยแพร่ หน้า Speech-to-Text มีบทถอดจริงของโมเดลจากไฟล์เสียงจริง พร้อมวันที่บันทึก
ทีมรันงานนี้อย่างไร
ทีมแบรนด์อยากรู้ว่าชื่อของตัวเองถูกพูดถึงในวิทยุเมื่อเช้านี้ตอนไหน เอเจนซีต้องรายงานลูกค้าว่าแคมเปญถูกได้ยินที่ใดบ้าง ฝ่ายกำกับดูแลต้องเก็บบันทึกว่าอะไรออกอากาศไปแล้ว ทั้งสามโจทย์คือโจทย์เดียวกัน คือเสียงภาษาไทยหลายชั่วโมงที่ไม่มีใครมีเวลานั่งฟัง การถอดเสียงเปลี่ยนช่วงเวลาที่เฝ้าไว้ให้เป็นข้อความ รายชื่อที่เฝ้าถูกไล่บนข้อความ ผลที่เจอมีวินาทีที่ถูกพูดติดมา แล้วคลิปหลักฐานก็ตัดจากวินาทีนั้น ไฟล์เสียงยังเป็นตัวบันทึกเหมือนเดิม ส่วนข้อความคือสิ่งที่ทำให้บันทึกนั้นใช้งานได้ก่อนที่เรื่องจะผ่านไปแล้ว
บันทึกช่วงเวลาที่คุณสนใจอยู่แล้ว
อัดชั่วโมงที่สำคัญไว้แล้วส่งทีละส่วน ได้ถึง 60 นาทีต่อคำขอ ระบบอ่านความยาวก่อนตัดเครดิต
ขอเวลาระดับคำและแบบเขียน
ทุกคำมีวินาทีของตัวเอง และตัวเลขมาเป็นดิจิต คำตอบเดียวป้อนทั้งดัชนีค้นหาและเครื่องมือตัดคลิป
ไล่รายการที่เฝ้าบนข้อความ
ส่งชื่อแบรนด์และชื่อสินค้าเป็นคลังคำศัพท์ ได้ถึง 50 คำ แล้วจับคู่กับบทถอดในแบบของคุณเอง
หนึ่งช่วงเวลาที่เฝ้าไว้
ข่าวเช้า
การอ่านข่าวไล่ผ่านราคา วันที่ และชื่อสถานที่ แบบเขียนพิมพ์สิ่งเหล่านั้นในรูปที่รายงานจะยกไปอ้าง
ช่วงโฆษณาแรก
บทแคมเปญถูกอ่านออกอากาศ การค้นหาชื่อแบรนด์เจอพร้อมวินาทีที่เริ่ม แล้วตัดคลิปจากตรงนั้นได้
ผู้ฟังเอ่ยชื่อ
การพูดถึงที่ไม่ได้จ่ายเงินในช่วงโทรศัพท์เข้ารายการ นี่คือรายการที่ตารางตัดคลิปทำนายไม่ได้ และทางเดียวที่จะจับได้คือต้องอ่านทั้งชั่วโมงนั้น
ปิดช่วงเวลา
6 ชั่วโมงของสถานีหนึ่งกลายเป็นข้อความก่อนพักเที่ยง ทีมค้นหาทั้งวันได้ โดยไม่ต้องจัดคนมานั่งฟัง
เวลาระดับคำให้ทุกผลที่เจอมีวินาที ไฟล์เสียงยังเป็นตัวบันทึก และข้อความคือดัชนีที่พาเข้าไปหา
ทีมติดตามสื่อหนึ่งทีมคิดเท่าไร
| ปริมาณงาน | เสียง | ค่าใช้จ่าย |
|---|---|---|
| หนึ่งสถานี หนึ่งช่วง 6 ชั่วโมง | 6 ชม. | $3.00 |
| หนึ่งวัน 4 สถานี | 24 ชม. | $12.00 |
| หนึ่งเดือน 22 วันทำการ | ประมาณ $264 | |
8.33 เครดิตต่อเสียงหนึ่งนาที คิดถึงระดับมิลลิวินาที เสียงออกอากาศ 528 ชั่วโมงในอัตรานั้น เวลาระดับคำและแบบเขียนไม่มีค่าใช้จ่ายเพิ่ม
ไปป์ไลน์ต้องการอะไรจากบทถอด
60 นาที
ต่อหนึ่งคำขอ
word
วินาทีของทุกผลที่เจอ
50
ชื่อในรายการที่เฝ้า
บทถอดบันทึกว่าอะไรออกอากาศ ส่วนข้อสรุปทางกฎหมายหรือทางสัญญาเป็นสิ่งที่ทีมต้องตัดสินเองจากบทถอดนั้น
สำหรับนักพัฒนา
ตัวอย่างโค้ดส่งไฟล์บันทึกหนึ่งไฟล์พร้อมรายการที่เฝ้าและเวลาระดับคำ แล้วอ่านบทถอด ช่วงเวลา และเครดิตที่คิด
เอกสารอ้างอิง API ฉบับเต็มAUDIO=$(base64 < meeting.m4a | tr -d '\n') curl -X POST https://api.paxalabs.com/v1/stt \ --max-time 300 \ -H "Authorization: Bearer $PAXA_API_KEY" \ -H "Content-Type: application/json" \ -d "{\"audio\": \"$AUDIO\", \"model\": \"paxa-stt-lite-v1-preview\", \"language\": \"th\", \"vocabulary\": [\"Paxa Labs\", \"quarterly review\"]}"
AUDIO=$(base64 < meeting.m4a | tr -d '\n') curl -X POST https://api.paxalabs.com/v1/stt \ --max-time 300 \ -H "Authorization: Bearer $PAXA_API_KEY" \ -H "Content-Type: application/json" \ -d "{\"audio\": \"$AUDIO\", \"model\": \"paxa-stt-lite-v1-preview\", \"timestamps\": \"word\"}"
import base64 import os import requests with open("meeting.m4a", "rb") as file: audio = base64.b64encode(file.read()).decode() response = requests.post( "https://api.paxalabs.com/v1/stt", headers={"Authorization": f"Bearer {os.environ['PAXA_API_KEY']}"}, json={"audio": audio, "model": "paxa-stt-lite-v1-preview"}, # A long recording can run for minutes; give it room. timeout=300, ) response.raise_for_status() body = response.json() print(body["text"], body["usage"]["credits"], "credits")
โมเดลถูกสร้างมาให้ฟังอะไร
Paxa STT Lite ถอดเสียงภาษาไทยเป็นหลัก และภาษาอื่นตามที่พูด รวมประโยคไทยที่เรียกชื่อแบรนด์เป็นอังกฤษ เขียนเวลาระดับคำครอบคลุมทั้งคำภาษาไทย และจะไม่เผยแพร่ตัวเลขความแม่นยำจนกว่าจะเผยแพร่วิธีประเมินไว้ข้างกัน
คำถามที่พบบ่อย
ติดตามสตรีมสดได้ไหม
แต่ละคำขอรับไฟล์ที่บันทึกจบแล้ว ยาวได้ถึง 60 นาที ทีมที่อัดเป็นส่วนต่อเนื่องแล้วส่งทันทีที่แต่ละส่วนปิด จะได้ข้อความห่างจากเวลาจริงเพียงหนึ่งส่วน
แยกเสียงผู้ดำเนินรายการได้ไหม
การแยกผู้พูดใช้ได้กับไฟล์ที่สั้นกว่า และนับหมายเลขตามคนที่พูดก่อน ทีมติดตามสื่อส่วนใหญ่ต้องการคำและวินาทีของคำ ซึ่งได้ครบทุกความยาว
ถ้าสถานีสลับไปพูดภาษาอังกฤษล่ะ
เขียนไว้ทั้งสองภาษา ประโยคไทยที่เรียกชื่อแบรนด์หรือชื่อเพลงเป็นอังกฤษจะเก็บภาษาอังกฤษไว้ และคำสองฝั่งยังมีวินาทีของตัวเอง
บทถอดใช้เป็นหลักฐานว่าออกอากาศอะไรได้ไหม
ไฟล์บันทึกคือตัวบันทึก บทถอดเป็นดัชนีที่พาเข้าไปหา และทุกผลที่เจอมีวินาทีที่เปิดเสียงตรงจุดที่เป็นประเด็น
เริ่มต้นด้วยเครดิตฟรี
เข้าสู่ระบบด้วย Google, GitHub หรือ Hugging Face แล้วใช้เครดิตฟรี 100 เครดิตกับข้อความของคุณเอง
บทความที่เกี่ยวข้อง
- แบบพูดหรือแบบเขียน: บทถอดเสียงภาษาไทยเขียนตัวเลขอย่างไร
- วัดความแม่นยำของการถอดเสียงภาษาไทย: ทำไม WER จึงหลอกตา
- ช่วงผู้พูดในบทถอดเสียงสายโทรศัพท์ภาษาไทย
- ทำคำบรรยายภาษาไทยจากเวลาระดับคำ
- เลือกเอนจินถอดเสียงภาษาไทยอย่างไร
- ถอดเสียงภาษาไทยที่สลับไปเป็นอังกฤษ
- Paxa STT Lite Realtime ถอดเสียงภาษาไทยทีละรอบพูด ตั้งแต่ยังพูดไม่จบ
- ถอดเสียงสดภาษาไทย กับคำถามว่ารอบพูดจบตรงไหน
- วิธีถอดเทป แปลงไฟล์เสียงเป็นข้อความ สำหรับประชุม สัมภาษณ์ และงานบรรยาย
- ถอดเสียงภาษาไทยที่ดีที่สุด สำหรับงานประชุม ซับไตเติล และ Voice Agent