Paxa Labs
登录

从您的录音生成 SRT 和 WebVTT 字幕

手工制作字幕，意味着逐行输入文字，再为每一行设定出现和消失的时间。

Paxa STT Lite（研究预览版）在同一个响应中返回转写稿和 SubRip 或 WebVTT 字幕文件，每次换行都落在词边界上。它以泰语为先，也能转写其他语言。

立即试用阅读文档

一段录音，生成字幕#

一段泰语缴费提醒、API 为它返回的词级时间段，以及用 API 所运行的同一套代码从这些时间段切出的 SubRip 和 WebVTT 文件。词级时间段是实际调用时记录的响应，没有任何修改。

一段泰语缴费提醒，由 Paxa TTS Flash v2 生成后原样发送。0:11

สวัสดีค่ะคุณสมชายยอดชำระของท่านจำนวน พันสองร้อยห้าสิบ บาทครบกำหนดวันที่ สิบห้า สิงหาคมนี้ชำระผ่านแอปได้ตลอด ยี่สิบสี่ ชั่วโมงค่ะ

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

paxa-stt-lite-v1-preview · 记录于 2026年10月15日

从录音到字幕文件#

每段录音一次请求，转写稿和字幕文件一起返回。使用 OpenAI SDK 时，调用 /v1/audio/transcriptions 并把 response_format 设为 srt 或 vtt，即可取回字幕文件。

  1. 发送录音

    以 base64 POST 到 /v1/stt，支持 MP3、WAV、FLAC、Ogg、M4A、AAC 和 WebM，最长 60 分钟、25 MiB。

  2. 请求字幕文件

    把 subtitles 设为 srt 或 vtt。把 diarization 设为 true，每条字幕只属于一位说话人；用 subtitle_line_chars 设定您自己的行长，范围为 10 到 120 列。

  3. 保存文件

    响应以一个字符串携带完整的字幕文件，可直接写入磁盘。同时把 timestamps 设为 word，词级时间段会一并返回。

Paxa STT Lite 标价为每小时音频 $0.50，按毫秒计费。

常见问题#

支持哪些录音？

MP3、WAV、FLAC、Ogg、M4A、AAC 和 WebM，每次请求最长 60 分钟、25 MiB。视频请发送其音轨。字幕时间从录音开头算起。

字幕条目如何切分？

先在句末和停顿处断开，再按行长切分：默认每行 60 列，转写稿以中文、日文或韩文为主时为 32 列。泰语词与词之间没有空格，每次换行仍落在两个词之间。泰语中位于辅音上下方的元音和声调符号不占宽度。

能区分说话人吗？

把 diarization 设为 true，字幕条目就不会跨越说话人切换。文件中不标注说话人，响应中的 segments 会给出每一轮的说话人编号。区分说话人要求录音短于 9 分钟。

研究预览版是什么意思？

Paxa STT Lite 在评估期间按公布价格销售，其输出和选项可能随版本更新而变化。

从免费积分开始

使用 Google、GitHub 或 Hugging Face 登录，即可用 100 一次性免费积分处理您自己的文本。

免费开始