Paxa Labs

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

  1. บันทึกช่วงเวลาที่คุณสนใจอยู่แล้ว

    อัดชั่วโมงที่สำคัญไว้แล้วส่งทีละส่วน ได้ถึง 60 นาทีต่อคำขอ ระบบอ่านความยาวก่อนตัดเครดิต

  2. ขอเวลาระดับคำและแบบเขียน

    ทุกคำมีวินาทีของตัวเอง และตัวเลขมาเป็นดิจิต คำตอบเดียวป้อนทั้งดัชนีค้นหาและเครื่องมือตัดคลิป

  3. ไล่รายการที่เฝ้าบนข้อความ

    ส่งชื่อแบรนด์และชื่อสินค้าเป็นคลังคำศัพท์ ได้ถึง 50 คำ แล้วจับคู่กับบทถอดในแบบของคุณเอง

หนึ่งช่วงเวลาที่เฝ้าไว้

06:00

ข่าวเช้า

การอ่านข่าวไล่ผ่านราคา วันที่ และชื่อสถานที่ แบบเขียนพิมพ์สิ่งเหล่านั้นในรูปที่รายงานจะยกไปอ้าง

07:20

ช่วงโฆษณาแรก

บทแคมเปญถูกอ่านออกอากาศ การค้นหาชื่อแบรนด์เจอพร้อมวินาทีที่เริ่ม แล้วตัดคลิปจากตรงนั้นได้

09:45

ผู้ฟังเอ่ยชื่อ

การพูดถึงที่ไม่ได้จ่ายเงินในช่วงโทรศัพท์เข้ารายการ นี่คือรายการที่ตารางตัดคลิปทำนายไม่ได้ และทางเดียวที่จะจับได้คือต้องอ่านทั้งชั่วโมงนั้น

11:30

ปิดช่วงเวลา

6 ชั่วโมงของสถานีหนึ่งกลายเป็นข้อความก่อนพักเที่ยง ทีมค้นหาทั้งวันได้ โดยไม่ต้องจัดคนมานั่งฟัง

เวลาระดับคำให้ทุกผลที่เจอมีวินาที ไฟล์เสียงยังเป็นตัวบันทึก และข้อความคือดัชนีที่พาเข้าไปหา

ทีมติดตามสื่อหนึ่งทีมคิดเท่าไร

ทีมติดตามสื่อหนึ่งทีมคิดเท่าไร
ปริมาณงานเสียงค่าใช้จ่าย
หนึ่งสถานี หนึ่งช่วง 6 ชั่วโมง6 ชม.$3.00
หนึ่งวัน 4 สถานี24 ชม.$12.00
หนึ่งเดือน 22 วันทำการประมาณ $264

8.33 เครดิตต่อเสียงหนึ่งนาที คิดถึงระดับมิลลิวินาที เสียงออกอากาศ 528 ชั่วโมงในอัตรานั้น เวลาระดับคำและแบบเขียนไม่มีค่าใช้จ่ายเพิ่ม

ไปป์ไลน์ต้องการอะไรจากบทถอด

60 นาที

ต่อหนึ่งคำขอ

ช่วงเวลาหนึ่งช่วงถูกส่งเป็นส่วนต่อเนื่อง โดยเลื่อนวินาทีของแต่ละส่วนตามนาทีที่เริ่ม

word

วินาทีของทุกผลที่เจอ

นาทีที่ชื่อถูกพูดคือจุดที่ตัดคลิปหลักฐาน และเป็นสิ่งที่รายงานใช้อ้าง

50

ชื่อในรายการที่เฝ้า

ชื่อแบรนด์ สินค้า และบุคคล ใส่เป็นคลังคำศัพท์ จึงสะกดเหมือนกันในบทถอดของทุกสถานี

บทถอดบันทึกว่าอะไรออกอากาศ ส่วนข้อสรุปทางกฎหมายหรือทางสัญญาเป็นสิ่งที่ทีมต้องตัดสินเองจากบทถอดนั้น

สำหรับนักพัฒนา

ตัวอย่างโค้ดส่งไฟล์บันทึกหนึ่งไฟล์พร้อมรายการที่เฝ้าและเวลาระดับคำ แล้วอ่านบทถอด ช่วงเวลา และเครดิตที่คิด

เอกสารอ้างอิง API ฉบับเต็ม
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\", \"language\": \"th\", \"vocabulary\": [\"Paxa Labs\", \"quarterly review\"]}"

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