🇹🇭 การแปลงเสียงพูดภาษาไทยเป็นข้อความ (ASR) PRO
2 ICต่อ 60 วินาที
ยินดีต้อนรับสู่ Thai ASR PRO - บริการรู้จำเสียงพูดอัตโนมัติภาษาไทยขั้นสูงของเราที่ขับเคลื่อนด้วยแบบจำลองภาษาขนาดใหญ่ (LLMs) เวอร์ชันนี้มอบความแม่นยำที่เหนือกว่าและการถอดเสียงที่คำนึงถึงบริบท พร้อมทั้งรักษาความเร็วในการประมวลผลที่สมเหตุสมผล
ทดลองใช้ Demo
เริ่มต้นใช้งาน
-
ข้อกำหนดเบื้องต้น
- API key จาก บริษัท ไอแอพพ์เทคโนโลยี จำกัด
- ไฟล์เสียงในรูปแบบที่รองรับ
- รูปแบบที่รองรับ: MP3, WAV, AAC, M4A
- ความยาวไฟล์สูงสุด: ไม่เกิน 30 นาที
- ขนาดไฟล์สูงสุด: 1GB
-
เริ่มต้นใช้งานอย่างรวดเร็ว
- การถอดเสียงที่มีความแม่นยำสูงพร้อมการคำนึงถึงบริบท
- การประมวลผลขั้นสูงด้วย LLM
- รองรับภาษาไทย
-
คุณสมบัติหลัก
- การดึงข้อความจากไฟล์เสียงที่คำนึงถึงบริบท
- ความแม่นยำที่เพิ่มขึ้นสำหรับสถานการณ์เสียงที่ซับซ้อน
- การจำแนกผู้พูด (Speaker diarization)
- รูปแบบการตอบสนอง JSON ที่ยืดหยุ่น
-
ความปลอดภัยและการปฏิบัติตามข้อกำหนด
- เป็นไปตาม GDPR และ PDPA
- ไม่มีข้อมูลเก็บรักษาหลังการประมวลผล
วิธีรับ API Key?
กรุณาไปที่หน้า การจัดการ API Key เพื่อดู API Key ที่มีอยู่ของคุณ หรือขอ API Key ใหม่
API Endpoints
| Endpoint | Method | คำอธิบาย | ราคา |
|---|---|---|---|
/v3/store/speech/speech-to-text/proLegacy: /asr/v3/pro | POST | แปลงเสียงพูดภาษาไทยเป็นข้อความ (Pro model with LLM) | 2 IC ต่อ 60 วินาที |
เอกสารอ้างอิง API
Endpoint
POST https://api.iapp.co.th/v3/store/speech/speech-to-text/pro
Headers
apikey(จำเป็น): API key ของคุณสำหรับการยืนยันตัวตน- Headers เพิ่มเติมสร้างโดย FormData
Request Parameters
| Parameter | Type | คำอธิบาย |
|---|---|---|
| file* | File (.mp3, .wav, .aac, .m4a) | ไฟล์เสียงที่จะถอดเสียง (ไม่เกิน 30 นาที) |
| chunk_size | Integer | ขนาด Chunk ของเสียง (แนะนำ: 7) |
ตัวอย่างโค้ด
Curl
curl -X POST https://api.iapp.co.th/v3/store/speech/speech-to-text/pro \
-H "apikey: YOUR_API_KEY" \
-F "file=@/path/to/file.jpg"
Python
import requests
url = "https://api.iapp.co.th/v3/store/speech/speech-to-text/pro"
payload = {'use_asr_pro': '1', 'chunk_size': '7'} # ตั้งค่าเป็น '1' สำหรับ iApp ASR PRO
files=[
('file',('{YOUR_UPLOADED_FILE}',open('{YOUR_UPLOADED_FILE_PATH}','rb'),'application/octet-stream'))
]
headers = {
'apikey': '{YOUR_API_KEY}'
}
response = requests.request("POST", url, headers=headers, data=payload, files=files)
print(response.text)
Javascript
const axios = require("axios")
const FormData = require("form-data")
const fs = require("fs")
let data = new FormData()
data.append("file", fs.createReadStream("YOUR_UPLOADED_FILE"))
data.append("use_asr_pro", "1") // ตั้งค่าเป็น '1' สำหรับ iApp ASR PRO
data.append("chunk_size", "7")
let config = {
method: "post",
maxBodyLength: Infinity,
url: "https://api.iapp.co.th/v3/store/speech/speech-to-text/pro",
headers: {
apikey: "{YOUR_API_KEY}",
...data.getHeaders(),
},
data: data,
}
axios
.request(config)
.then((response) => {
console.log(JSON.stringify(response.data))
})
.catch((error) => {
console.log(error)
})
PHP
<?php
$curl = curl_init();
curl_setopt_array($curl, array(
CURLOPT_URL => 'https://api.iapp.co.th/v3/store/speech/speech-to-text/pro',
CURLOPT_RETURNTRANSFER => true,
CURLOPT_ENCODING => '',
CURLOPT_MAXREDIRS => 10,
CURLOPT_TIMEOUT => 0,
CURLOPT_FOLLOWLOCATION => true,
CURLOPT_HTTP_VERSION => CURL_HTTP_VERSION_1_1,
CURLOPT_CUSTOMREQUEST => 'POST',
CURLOPT_POSTFIELDS => array('file'=> new CURLFILE('{YOUR_UPLOADED_FILE}'),
'use_asr_pro' => '1',
'chunk_size' => '7'),
CURLOPT_HTTPHEADER => array(
'apikey: {YOUR_API_KEY}'
),
));
$response = curl_exec($curl);
curl_close($curl);
echo $response;
Swift
let parameters = [
[
"key": "file",
"src": "{YOUR_UPLOADED_FILE}",
"type": "file"
],
[
"key": "use_asr_pro",
"value": "1",
"type": "text"
],
[
"key": "chunk_size",
"value": "7",
"type": "text"
]] as [[String: Any]]
let boundary = "Boundary-\(UUID().uuidString)"
var body = Data()
var error: Error? = nil
for param in parameters {
if param["disabled"] != nil { continue }
let paramName = param["key"]!
body += Data("--\(boundary)\r\n".utf8)
body += Data("Content-Disposition:form-data; name=\"\(paramName)\"".utf8)
if param["contentType"] != nil {
body += Data("\r\nContent-Type: \(param["contentType"] as! String)".utf8)
}
let paramType = param["type"] as! String
if paramType == "text" {
let paramValue = param["value"] as! String
body += Data("\r\n\r\n\(paramValue)\r\n".utf8)
} else {
let paramSrc = param["src"] as! String
let fileURL = URL(fileURLWithPath: paramSrc)
if let fileContent = try? Data(contentsOf: fileURL) {
body += Data("; filename=\"\(paramSrc)\"\r\n".utf8)
body += Data("Content-Type: \"content-type header\"\r\n".utf8)
body += Data("\r\n".utf8)
body += fileContent
body += Data("\r\n".utf8)
}
}
}
body += Data("--\(boundary)--\r\n".utf8);
let postData = body
var request = URLRequest(url: URL(string: "https://api.iapp.co.th/v3/store/speech/speech-to-text/pro")!,timeoutInterval: Double.infinity)
request.addValue("{YOUR_API_KEY}", forHTTPHeaderField: "apikey")
request.addValue("multipart/form-data; boundary=\(boundary)", forHTTPHeaderField: "Content-Type")
request.httpMethod = "POST"
request.httpBody = postData
let task = URLSession.shared.dataTask(with: request) { data, response, error in
guard let data = data else {
print(String(describing: error))
return
}
print(String(data: data, encoding: .utf8)!)
}
task.resume()
Kotlin
val client = OkHttpClient()
val mediaType = "text/plain".toMediaType()
val body = MultipartBody.Builder().setType(MultipartBody.FORM)
.addFormDataPart("file","{YOUR_UPLOADED_FILE}",
File("{YOUR_UPLOADED_FILE_PATH}").asRequestBody("application/octet-stream".toMediaType()))
.addFormDataPart("use_asr_pro","1")
.addFormDataPart("chunk_size","7")
.build()
val request = Request.Builder()
.url("https://api.iapp.co.th/v3/store/speech/speech-to-text/pro")
.post(body)
.addHeader("apikey", "{YOUR_API_KEY}")
.build()
val response = client.newCall(request).execute()
Java
OkHttpClient client = new OkHttpClient().newBuilder()
.build();
MediaType mediaType = MediaType.parse("text/plain");
RequestBody body = new MultipartBody.Builder().setType(MultipartBody.FORM)
.addFormDataPart("file","{YOUR_UPLOADED_FILE}",
RequestBody.create(MediaType.parse("application/octet-stream"),
new File("{YOUR_UPLOADED_FILE_PATH}")))
.addFormDataPart("use_asr_pro","1")
.addFormDataPart("chunk_size","7")
.build();
Request request = new Request.Builder()
.url("https://api.iapp.co.th/v3/store/speech/speech-to-text/pro")
.method("POST", body)
.addHeader("apikey", "{YOUR_API_KEY}")
.build();
Response response = client.newCall(request).execute();
Dart
var headers = {
'apikey': '{YOUR_API_KEY}'
};
var request = http.MultipartRequest('POST', Uri.parse('https://api.iapp.co.th/v3/store/speech/speech-to-text/pro'));
request.fields.addAll({
'use_asr_pro': '1',
'chunk_size': '7'
});
request.files.add(await http.MultipartFile.fromPath('file', '{YOUR_UPLOADED_FILE'));
request.headers.addAll(headers);
http.StreamedResponse response = await request.send();
if (response.statusCode == 200) {
print(await response.stream.bytesToString());
}
else {
print(response.reasonPhrase);
}
ความแม่นยำและประสิทธิภาพ
ความแม่นยำโดยรวม
ผลการทดสอบกับชุดข้อมูลทดสอบภาษาไทยจากชุดข้อมูล Mozilla Common Voice เราประเมินประสิทธิภาพของ iApp ASR PRO ในชุดข้อมูลทดสอบสองเวอร์ชันที่แตกต่างกัน
เงื่อนไขการทดสอบ
- ชุดข้อมูลที่ไม่เคยเห็นมาก่อน
- ภาษาไทยเท่านั้น
- ความหลากหลายของผู้พูด: ชาย, หญิง, เด็ก
ชุดข้อมูลทดสอบ Mozilla Common Voice 17.0 ภาษาไทย
เยี่ยมชมชุดข้อมูลบน Hugging Face
ผลลัพธ์:
- ขนาดชุดข้อมูลทดสอบ: 11,042 ตัวอย่าง
- อัตราข้อผิ ดพลาดของคำเฉลี่ย (WER): 0.0801 หรือ 8.01%
- อัตราข้อผิดพลาดของตัวอักษรเฉลี่ย (CER): 0.0219 หรือ 2.19%
- ความแม่นยำเฉลี่ยตาม WER: 91.99%
- ความแม่นยำเฉลี่ยตาม CER: 97.81%
ความเร็วในการประมวลผล
- ปรับให้เหมาะสมเพื่อความแม่นยำมากกว่าความเร็ว
ราคา
| ชื่อบริการ AI API | Endpoint | IC ต่อวินาที | On-Premise |
|---|---|---|---|
| การแปลงเสียงพูดภาษาไทยเป็นข้อความ (ASR) | iapp-asr-v3-en [Pro Model] | 2 IC/60 วินาที | ติดต่อ |
| iapp-asr-v3-th-en [Pro Model] | 2 IC/60 วินาที |