泰语视频语音转字幕

用视频自己的音轨为录好的泰语视频配字幕。泰文书写不留空格,词级时间戳标出每条字幕从哪里开始、到哪里结束。

转写结果

讲解利息的一堂课

spokenถ้าฝากเงิน หนึ่งแสนบาท ที่ดอกเบี้ย สองจุดห้าเปอร์เซ็นต์ ต่อปี ครบปีได้ดอกเบี้ย สองพันห้าร้อยบาท

writtenถ้าฝากเงิน 100,000 บาท ที่ดอกเบี้ย 2.5% ต่อปี ครบปีได้ดอกเบี้ย 2,500 บาท

书面写法让这些数字放得进一行字幕。口语写法与讲者逐字对应。

一段采访回答

spokenเราเริ่มจาก ทีมสามคน ตอนนี้มี สี่สิบคน แล้ว ส่วนใหญ่เป็น engineer ค่ะ

writtenเราเริ่มจาก ทีม 3 คน ตอนนี้มี 40 คน แล้ว ส่วนใหญ่เป็น engineer ค่ะ

这个英文单词在字幕里保持英文,和其他每个词一样带有时间。

产品演示

spokenกดปุ่มด้านล่างขวา แล้วเลือกแผน สามร้อยเก้าสิบเก้าบาท ต่อเดือน

writtenกดปุ่มด้านล่างขวา แล้วเลือกแผน 399 บาท ต่อเดือน

屏幕上的价格应当一眼看出是价格。书面写法直接这样写出,无需再改一遍。

本页每组转写对照都是编写的示意,用来说明格式选项会改变什么,发布前已对照实际输出复核。语音转文字页面提供模型对真实录音的实录转写,并注明采集日期。

如何接入视频工作流

字幕是切成一条条的转写稿,每条在屏幕上停留的时间,正是这几个词被说出的那几秒。英文字幕在词与词之间切开。泰文书写不留空格,字幕工具若不知道每个词从哪里开始,就无处下刀。词级时间戳提供的正是这个信息。发送一段讲座、采访或产品视频的音轨,每个词都会带着起止时间返回。把词组合成长度合适的行,每条字幕的时间也就有了。口语写法让字幕忠于原声。书面写法让数字在手机屏幕上清晰可读。

  1. 提取音轨

    模型能读取的任何容器格式都可以,包括视频里的 M4A 或 AAC,以及导出的 WAV 或 MP3,每次请求最长 60 分钟。

  2. 带词级时间戳转写

    把 timestamps 设为 word。字幕要贴合原声就选口语写法,要让观众看清数字就选书面写法。

  3. 切分字幕并写出文件

    按您的版式规范把时间段组合成行,遇到长停顿就结束当前字幕,再输出为 SRT 或 WebVTT。

字幕如何切分

1 个词

一个时间段

每个词都带着以秒为单位的起止时间返回。在不留空格的文字里,这些时间段就是词的边界。

≈ 32

每行字符数

把相邻的词连成一行,直到写满或遇到停顿。字幕从第一个词的开始时间起,到最后一个词的结束时间止。

停顿

前一个词结束到后一个词开始之间的空隙就是停顿。较长的停顿会提前结束当前字幕,字幕不会挂在静默上。

格式

在字幕列表之上写几行代码,就能输出 SRT 和 WebVTT。人工修改字幕时,转写稿仍是源头。

每行长度是您自己的版式规范,在代码里设定。时间戳来自模型。

一个月的视频要花多少

一个月的视频要花多少
工作量音频费用
一个视频,12 分钟12 分钟$0.10
一堂课,60 分钟60 分钟$0.50
一个月,30 个视频约 $3

每分钟音频 8.33 积分,按毫秒计费。词级时间戳不额外收费。

12 分钟的视频,逐条上字幕

0:00

片头

一片静默。第一条字幕要等第一个词开始才出现,片头标志上不叠任何文字。

0:08

第一条字幕

主讲人的问候,七个词,一行。最后一个词结束,这条字幕也随之结束。

4:52

一个数字

就是上面那句报价。书面写法让它留在一条字幕里,口语写法则会折行。

11:40

最后一条字幕

结束语之后是片尾卡。话说到哪里,字幕列表就到哪里结束。

所示时间仅为示例。真实录音上的时间段来自模型。

面向开发者

示例代码提交一段录音并请求词级时间戳,再从响应中读取转写稿、时间段和本次扣除的积分。

完整 API 参考
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\"}"

模型为听懂什么而设计

Paxa STT Lite 优先转写泰语,其他语言按原话转写,包括中途切换语言的句子。它给出的词级时间段,就是对一种不留空格的文字所做的分词。在评测方法一并公开之前,它不公布任何准确率数字。

常见问题

能输出 SRT 或 WebVTT 吗?

它以 JSON 输出转写稿和词级时间段。切分字幕、写出字幕文件,在您的代码里写几行就够了,每行长度也由您决定。

能给英语视频配字幕吗?

英语录音请把语言提示设为 en。其中夹杂的泰语词仍按原话转写。

它会翻译字幕吗?

转写稿使用说话时的语言。想从泰语音频得到英文字幕轨,请把转写稿发送到翻译 API。

两小时的课怎么办?

在停顿处把音频切成每段不超过 60 分钟的几部分,并行发送,再按每部分的起始时间平移它的时间段。

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。