API แปลเสียงพูดเป็นข้อความสำหรับไฟล์เสียงและวิดีโอ

อัปโหลดไฟล์เสียงหรือวิดีโอที่บันทึกไว้ แล้วรับข้อความถอดเสียงที่ระบุชื่อผู้พูดและเวลาในแต่ละช่วง พร้อมตรวจจับภาษาต้นทางอัตโนมัติถึง 75 ภาษา ในโปรเจกต์เดียวกันนี้ยังสามารถแปลเป็นภาษาและภูมิภาคต่างๆ กว่า 135 ภาษา พร้อมสร้างซับไตเติลและเสียงพากย์ได้ทันที
การแยกแยะผู้พูด
75 ภาษาต้นทาง
REST + Python SDK
upload, transcribe, read
OAuth 2.0
# 1. upload an audio or video file by link
curl -X POST https://api.rask.ai/api/library/v1/media/link \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d '{"link": "https://example.com/interview.mp3", "name": "interview"}'

# 2. create the project - speech recognition starts automatically
#    src_lang is optional: leave it out and the language is detected
curl -X POST https://api.rask.ai/v2/projects \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d "{\"video_id\": \"$MEDIA_ID\", \"dst_lang\": \"es-mx\"}"
GET /v2/projects/{project_id}/transcription
segments
# Read the transcript: one object per segment
curl -s https://api.rask.ai/v2/projects/$ID/transcription -H "Authorization: Bearer $TOKEN" \
  | jq '.segments[] | {speaker, start, end, text: .src.text}'
ใช้งานโดยทีมงานระดับโลก
ความสามารถ

ทุกสิ่งที่คุณจะได้รับจาก API แปลเสียงพูดเป็นข้อความ

การรู้จำเสียงพูดคือขั้นตอนแรกของทุกโปรเจกต์บน Rask AI ข้อความที่ถอดออกมาจะแบ่งเป็นช่วง พร้อมระบุชื่อผู้พูดและเวลา ซึ่งพร้อมสำหรับการแก้ไข แปล ทำซับไตเติล และพากย์เสียงต่อได้ทันทีในโปรเจกต์เดียว

ถอดเสียงไฟล์เสียงและวิดีโอ

อัปโหลดไฟล์เสียงหรือวิดีโอที่บันทึกไว้ หรือวางลิงก์ แล้ว API จะแปลงเสียงพูดเป็นข้อความทีละช่วงอย่างแม่นยำ

การแยกแยะผู้พูด

ระบบจะตรวจจับผู้พูดแต่ละคนโดยอัตโนมัติ และใส่ป้ายกำกับผู้พูดให้ในแต่ละช่วง เช่น SPEAKER_00 คุณสามารถระบุจำนวนผู้พูดได้หากทราบล่วงหน้า หรือแก้ไขป้ายกำกับได้ทีหลัง

ระบุเวลาสำหรับทุกช่วง

แต่ละช่วงจะมีเวลาเริ่มต้นและสิ้นสุดในรูปแบบ ชม:นาที:วินาที,มิลลิวินาที พร้อมใช้งานสำหรับทำซับไตเติล ค้นหา และข้ามไปยังจุดต่างๆ ในไฟล์บันทึก

75 ภาษาต้นทาง

รองรับหลากหลายภาษาถึง 75 ภาษาต้นทาง คุณสามารถปล่อยให้ระบบตรวจจับภาษาอัตโนมัติ หรือกำหนดเองด้วยรหัส 2 ตัวอักษรก็ได้

แปลภาษาได้ภายในช่วงเดียวกัน

ทุกช่วงจะเก็บข้อความต้นฉบับและคำแปลในภาษาหรือภูมิภาคใดก็ได้จากกว่า 135 ตัวเลือก ทำให้ข้อความถอดเสียงและคำแปลตรงกันบรรทัดต่อบรรทัด

ซับไตเติลรูปแบบ .srt และ .vtt

ทุกโปรเจกต์ที่เสร็จสมบูรณ์จะมีไฟล์ซับไตเติลในภาษาปลายทาง ที่ซิงค์เวลากับช่วงข้อความถอดเสียงพอดี ไม่ต้องใช้บริการจากผู้ให้บริการรายอื่น

คำศัพท์เฉพาะทางในการแปล

อภิธานศัพท์ช่วยรักษาความถูกต้องของชื่อผลิตภัณฑ์ ชื่อเฉพาะ และคำศัพท์เฉพาะทางเมื่อมีการแปลข้อความ หรือเมื่อต้องการคงภาษาเดิมไว้

แก้ไขข้อความถอดเสียงผ่าน API

แก้ไขคำ ปรับเวลา เปลี่ยนผู้พูด หรือเพิ่มและลบช่วงเวลาได้ ผู้ตรวจสอบสามารถแก้ไขข้อความถอดเสียงขั้นสุดท้ายได้ทันทีโดยไม่ต้องเริ่มใหม่ตั้งแต่ต้น

เติบโตได้ไร้ขีดจำกัด

ไม่จำกัดจำนวนครั้ง ไม่จำกัดการใช้งานพร้อมกัน และไม่มีการจำกัดโควตาต่อคีย์ สามารถประมวลผลไฟล์เสียงและวิดีโอทั้งหมดของคุณแบบแบตช์พร้อมกันได้เลย
ดูการทำงานจริง

ดูวิธีที่ข้อความถอดเสียงเดียวถูกแปลเป็น 5 ภาษา

คลิปเดียวกันที่ได้รับการถอดเสียง แปล และพากย์เป็นภาษาอังกฤษ ฝรั่งเศส เยอรมัน โปรตุเกส และสเปน โดยยังคงเสียงพื้นหลังเดิมไว้อย่างครบถ้วน
EN flag
En
FR flag
Fr
DE flag
De
PT flag
Pt
ES flag
Es
ขั้นตอนการทำงาน

3 ขั้นตอนง่ายๆ จากไฟล์เสียงสู่ข้อความถอดเสียง

การสร้างโปรเจกต์จะเริ่มการจดจำเสียงพูด ตามด้วยการแปลและการพากย์เสียงในขั้นตอนเดียว ใช้เอนด์พอยต์ /generate หลังจากที่คุณแก้ไขข้อความถอดเสียงแล้ว
1

อัปโหลดไฟล์เสียงหรือวิดีโอ

ส่งไฟล์เสียงหรือวิดีโอในรูปแบบฟอร์มมัลติพาร์ท หรือโพสต์ลิงก์จาก YouTube, Google Drive, S3, Vimeo หรือ URL ตรงใดก็ได้ คุณจะได้รับรหัสมีเดียและข้อมูลเมตาของไฟล์ก่อนที่จะมีค่าใช้จ่ายใดๆ

POST /api/library/v1/media/link
2

สร้างโปรเจกต์

ป้อนรหัสมีเดียเป็น video_id และภาษาปลายทาง เพิ่มภาษาต้นทางหรือจำนวนผู้พูดหากคุณทราบ ระบบจะเริ่มการจดจำเสียงทันที

POST /v2/projects
3

อ่านข้อความถอดเสียง

อ่านข้อความถอดเสียงได้ทันทีที่มีส่วนต่างๆ พร้อมใช้งาน ในขณะที่กระบวนการแปลสื่อกำลังดำเนินต่อไป ดาวน์โหลดไฟล์ซับไตเติลและไฟล์สื่อเมื่อโปรเจกต์เสร็จสิ้น

GET /v2/projects/{id}/transcription
การจดจำเสียงทำงานกับไฟล์ที่บันทึกไว้ล่วงหน้าและสมบูรณ์แล้ว ไม่ใช่เสียงแบบเรียลไทม์ เวลาในการประมวลผลจะแตกต่างกันไปตามความยาวของไฟล์ จำนวนผู้พูด และภาษาปลายทาง
สร้างมาเพื่อตอบโจทย์คุณ

ต้องการภาษาหรือรูปแบบที่ไม่มีในรายการใช่ไหม พูดคุยกับทีมงานของเรา

ภาษาต้นทางที่นอกเหนือจากในรายการ รูปแบบข้อความถอดเสียงที่แพลตฟอร์มของคุณต้องการ ปริมาณงานที่สูงขึ้น หรือวิธีจัดส่งของคุณเอง ทีมงานของเราพร้อมตรวจสอบความต้องการในการผสานการทำงานและตัวเลือกที่มีให้คุณ

ภาษาและเสียงพากย์

ต้องการภาษาที่นอกเหนือจากแคตตาล็อกสาธารณะใช่ไหม พูดคุยกับทีมงานของเราเกี่ยวกับความต้องการและตัวเลือกที่มี

การส่งมอบและการเชื่อมต่อระบบ

เว็บฮุก (Webhooks) ส่งข้อมูลไปยังคิวของคุณเอง ส่งตรงไปยัง S3 หรือใช้เอนด์พอยต์เฉพาะตัว แจ้งให้เราทราบได้เลยว่าระบบของคุณต้องการรับข้อมูลแบบไหน

ปริมาณและประสิทธิภาพการทำงาน

ขนาดของกลุ่มงาน ภาษาเป้าหมายต่อการทำงานหนึ่งครั้ง และลำดับความสำคัญในการประมวลผล เป็นเงื่อนไขที่ตกลงกันตามสัญญา ไม่ใช่ข้อจำกัดตายตัวของระบบ

ความปลอดภัยและการจัดเก็บข้อมูล

การจัดเก็บข้อมูลในพื้นที่ที่กำหนด ระบบ SSO และ SAML กฎการเก็บรักษาข้อมูล และการสนับสนุนด้านการตรวจสอบความปลอดภัย เป็นส่วนหนึ่งของการให้บริการสำหรับองค์กร
กรณีการใช้งาน

ใครบ้างที่ใช้ API แปลเสียงพูดเป็นข้อความสำหรับวิดีโอ

แพลตฟอร์มที่มีวิดีโออยู่ข้างใน

แพลตฟอร์ม LMS และการศึกษาสำหรับลูกค้า, แพลตฟอร์มครีเอเตอร์และวิดีโอ, เครื่องมือจัดสัมมนาผ่านเว็บและอีเวนต์เสมือนจริง, โฮสติ้งวิดีโอและ SaaS สำหรับเวิร์กโฟลว์, แพลตฟอร์มช่วยใช้งานดิจิทัล และการช้อปปิ้งสด เพิ่มข้อความถอดเสียง คำบรรยาย และวิดีโอเวอร์ชันแปลเป็นฟีเจอร์ของผลิตภัณฑ์คุณ

เอเจนซี่ด้านการแปลภาษาและการผลิต

ใช้ข้อความถอดเสียงพร้อมป้ายกำกับผู้พูดเป็นร่างแรกสำหรับผู้ตรวจสอบของคุณ แก้ไขส่วนต่างๆ ผ่าน API และส่งมอบซับไตเติล คำแปล และเวอร์ชันพากย์เสียงจากโปรเจกต์เดียวกัน

การผลิตวิดีโอต่อเนื่องภายในองค์กร

ธุรกิจรีเทลและอีคอมเมิร์ซระหว่างประเทศ, แฟรนไชส์ระดับโลก, สำนักพิมพ์สื่อ และมหาวิทยาลัยองค์กร ถอดเสียงการฝึกอบรม การสัมมนาผ่านเว็บ และการสัมภาษณ์ที่บันทึกไว้ จากนั้นเผยแพร่คำบรรยายและเวอร์ชันภาษาสำหรับทุกตลาด
เรื่องราวความสำเร็จจากลูกค้า

ทีมจริง ผลลัพธ์ที่วัดได้

วิธีที่บริษัทต่าง ๆ แปลวิดีโอด้วย Rask ผ่านตัวเลขจริงของพวกเขา
ลูกศร
ลูกศร
โค้ด

ตัวอย่างโค้ด API แปลเสียงพูดเป็นข้อความ

ตัวอย่างที่สมบูรณ์ในแต่ละภาษา: อัปโหลดไฟล์เสียงหรือวิดีโอ สร้างโปรเจกต์ รอ จากนั้นอ่านส่วนข้อความถอดเสียงพร้อมระบุผู้พูดและเวลา
# pip install git+ssh://[email protected]/braskai/rask-sdk.git@main
import asyncio
from rask_sdk import clients, enums, schemas

async def main():
    client = clients.RaskSDKClient(client_id=CLIENT_ID, client_secret=CLIENT_SECRET)

    media = await client.create_media_link(data=schemas.MediaCreateLink(link="https://example.com/interview.mp3"))
    while media.status is enums.MediaStatus.PROCESSING:
        await asyncio.sleep(5)
        media = await client.get_media(media_id=media.id)

    # src_lang omitted: the source language is detected automatically
    job = await client.create_project(data=schemas.ProjectCreate(video_id=media.id, dst_lang="es-mx"))
    while job.status is not enums.ProjectStatus.MERGING_DONE:
        await asyncio.sleep(10)
        job = await client.get_project(project_id=job.id)

    transcript = await client.get_project_transcription(project_id=job.id)
    for seg in transcript.segments:
        print(seg.start, seg.end, seg.speaker, seg.src.text)

asyncio.run(main())
github.com/braskai/rask-sdk
async, typed models
import time, requests

AUTH = "https://rask-prod.auth.us-east-2.amazoncognito.com/oauth2/token"
API  = "https://api.rask.ai"
token = requests.post(AUTH, auth=(CLIENT_ID, CLIENT_SECRET),
                      data={"grant_type": "client_credentials"}).json()["access_token"]
h = {"Authorization": f"Bearer {token}"}

with open("interview.mp3", "rb") as f:
    media = requests.post(f"{API}/api/library/v1/media", headers=h,
                          params={"kind": "audio"}, files={"data": f}).json()
while media["status"] == "processing":
    time.sleep(5)
    media = requests.get(f"{API}/api/library/v1/media/{media['id']}", headers=h).json()

pid = requests.post(f"{API}/v2/projects", headers=h, json={
    "video_id": media["id"], "dst_lang": "es-mx", "num_speakers": 2}).json()["id"]
while requests.get(f"{API}/v2/projects/{pid}", headers=h).json()["status"] != "merging_done":
    time.sleep(10)

# write the source transcript as an .srt file
segments = requests.get(f"{API}/v2/projects/{pid}/transcription", headers=h).json()["segments"]
with open("interview_en.srt", "w") as out:
    for i, s in enumerate(segments, 1):
        out.write(f"{i}\n{s['start']} --> {s['end']}\n{s['speaker']}: {s['src']['text']}\n\n")
requests + polling
no SDK required
// no dependencies, Node 18+ global fetch
const API = 'https://api.rask.ai';
const sleep = (ms) => new Promise((r) => setTimeout(r, ms));
const auth = await fetch('https://rask-prod.auth.us-east-2.amazoncognito.com/oauth2/token', {
  method: 'POST',
  headers: { Authorization: 'Basic ' + btoa(`${CLIENT_ID}:${CLIENT_SECRET}`) },
  body: new URLSearchParams({ grant_type: 'client_credentials' }),
}).then((r) => r.json());
const h = { Authorization: `Bearer ${auth.access_token}`, 'Content-Type': 'application/json' };
const call = (method, path, body) => fetch(API + path, { method, headers: h, body: body && JSON.stringify(body) }).then((r) => r.json());

let media = await call('POST', '/api/library/v1/media/link', { link: 'https://example.com/webinar.mp4' });
while (media.status === 'processing') { await sleep(5000); media = await call('GET', `/api/library/v1/media/${media.id}`); }

let p = await call('POST', '/v2/projects', { video_id: media.id, src_lang: 'en', dst_lang: 'de-de' });
while (p.status !== 'merging_done') { await sleep(10000); p = await call('GET', `/v2/projects/${p.id}`); }

const { segments } = await call('GET', `/v2/projects/${p.id}/transcription`);
segments.forEach((s) => console.log(`[${s.start}] ${s.speaker}: ${s.src.text}`));
console.log(p.translation_vtt_path);   // German subtitles for your player
fetch, Node 18+
plain HTTP
# 1. token (valid 1 hour - cache and reuse it)
TOKEN=$(curl -s -X POST https://rask-prod.auth.us-east-2.amazoncognito.com/oauth2/token \
  -u "$CLIENT_ID:$CLIENT_SECRET" -d "grant_type=client_credentials" | jq -r .access_token)

# 2. upload a local audio file
MEDIA_ID=$(curl -s -X POST "https://api.rask.ai/api/library/v1/media?kind=audio" \
  -H "Authorization: Bearer $TOKEN" -F "data=@podcast_episode.mp3" | jq -r .id)

# 3. create the project once the media status is ready
ID=$(curl -s -X POST https://api.rask.ai/v2/projects \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -d "{\"video_id\": \"$MEDIA_ID\", \"dst_lang\": \"fr-fr\"}" | jq -r .id)

# 4. when status is merging_done, read the transcript with speaker labels
curl -s https://api.rask.ai/v2/projects/$ID/transcription -H "Authorization: Bearer $TOKEN" \
  | jq -r '.segments[] | "\(.start) \(.speaker): \(.src.text)"'
local file upload
audio file, multipart
<?php
use GuzzleHttp\Client;

$http = new Client(['base_uri' => 'https://api.rask.ai']);
$json = fn($r) => json_decode($r->getBody(), true);
$auth = $json((new Client)->post('https://rask-prod.auth.us-east-2.amazoncognito.com/oauth2/token',
    ['auth' => [$clientId, $clientSecret], 'form_params' => ['grant_type' => 'client_credentials']]));
$h = ['Authorization' => 'Bearer ' . $auth['access_token']];

$media = $json($http->post('/api/library/v1/media/link', ['headers' => $h, 'json' => [
    'link' => 'https://example.com/interview.mp3']]));
while ($media['status'] === 'processing') {
    sleep(5);
    $media = $json($http->get("/api/library/v1/media/{$media['id']}", ['headers' => $h]));
}

$p = $json($http->post('/v2/projects', ['headers' => $h, 'json' => [
    'video_id' => $media['id'], 'dst_lang' => 'es-mx']]));
while ($p['status'] !== 'merging_done') {
    sleep(10);
    $p = $json($http->get("/v2/projects/{$p['id']}", ['headers' => $h]));
}

$t = $json($http->get("/v2/projects/{$p['id']}/transcription", ['headers' => $h]));
foreach ($t['segments'] as $s) {
    echo $s['start'], ' ', $s['speaker'], ': ', $s['src']['text'], PHP_EOL;
}
Guzzle 7
plain HTTP
Python คือ SDK อย่างเป็นทางการ ส่วนแท็บ Node, PHP และ cURL เป็นตัวอย่าง HTTP ธรรมดาที่เรียกไปยังปลายทางเดียวกัน
ความคืบหน้า

โปรเจกต์การถอดเสียงรายงานความคืบหน้าอย่างไร

การถอดเสียงเป็นขั้นตอนแรกของโปรเจกต์ที่มีสถานะบันทึกไว้ชัดเจน คุณจึงสามารถแสดงความคืบหน้าที่แท้จริงสำหรับการบันทึกเสียงที่มีขนาดยาวได้ คุณจะต้องจัดการกับสามกลุ่มหลักเท่านั้น

สำเร็จ หยุดตรงนี้

merging_done
ไฟล์สื่อและซับไตเติลขั้นสุดท้ายพร้อมใช้งานแล้ว คุณสามารถอ่านข้อความถอดเสียงได้ก่อนหน้านั้นทันทีที่มีส่วนต่างๆ พร้อมใช้งาน

กำลังดำเนินการ ดึงข้อมูลต่อ

created
uploading
transcription_started
separate_background_started
determine_speakers_started
translation_started
voiceover_started
merging_started
รวมถึง _done สถานะที่ตรงกัน ซึ่งสิ่งเหล่านี้สามารถนำไปจับคู่กับหน้าจอแสดงความคืบหน้าได้อย่างลงตัว

ล้มเหลว หยุดและรายงาน

failed
upload_failed
transcription_failed
translation_failed
voiceover_failed
merging_failed
no_audio
no_words
forbidden_link
no_audio, no_words และ forbidden_link มีความชัดเจนพอที่จะแสดงให้ผู้ใช้ของคุณเห็นได้โดยตรง
Two speakers
GET /v2/projects/{id}/transcription
{"segments": [
  {"speaker": "SPEAKER_00", "start": "00:00:00,320", "end": "00:00:07,316", "status": "done",
   "src": {"text": "Thanks for joining us. Let's start with the new release.", "lang": "en"},
   "dst": {"text": "Gracias por acompañarnos. Empecemos con la nueva versión.", "lang": "es-mx"}},
  {"speaker": "SPEAKER_01", "start": "00:00:07,640", "end": "00:00:11,900", "status": "done",
   "src": {"text": "Sure. The biggest change is the reporting view.", "lang": "en"},
   "dst": {"text": "Claro. El cambio más grande es la vista de reportes.", "lang": "es-mx"}}
]}

หรือข้ามการดึงข้อมูลไปเลยก็ได้

ชี้มาที่ปลายทาง webhook ของเรา แล้วทุกการเปลี่ยนสถานะจะส่งมาเป็น POST ดังนั้นคิวของคุณจึงตอบสนองต่อทุกการเปลี่ยนแปลงได้ทันทีที่เกิดขึ้น การส่ง webhook เป็นส่วนหนึ่งของการเริ่มต้นใช้งานสำหรับองค์กร
อ่านเอกสารคู่มือ
preserveAspectRatio="xMidYMid meet" aria-hidden="true" role="img">
ผลลัพธ์

ส่วนข้อความถอดเสียง ซับไตเติล และสื่อที่แปลแล้ว

อ่านข้อความถอดเสียงในรูปแบบส่วน JSON จากเอนด์พอยต์การถอดเสียง โปรเจกต์ที่เสร็จสมบูรณ์ยังมีไฟล์ซับไตเติลในรูปแบบ SRT และ VTT ในภาษาปลายทาง วิดีโอที่แปลแล้ว และสำหรับแพ็กเกจที่มีสิทธิ์ จะมีแทร็กเสียงแปลแยกต่างหากในรูปแบบ WAV
ฟิลด์
รูปแบบ
รายละเอียด
segments
JSON
ข้อความถอดเสียง: ข้อความต้นทาง, คำแปล, ป้ายกำกับผู้พูด, เวลาเริ่มต้นและสิ้นสุดของแต่ละส่วน
voiceover
WAV
เฉพาะเสียงที่แปลแล้ว ไม่มีเสียงพื้นหลัง สำหรับแพ็กเกจที่มีสิทธิ์
translated_audio
WAV
เสียงที่แปลแล้วผสมกับเสียงพื้นหลังเดิม
translation_srt_path
.srt
ซับไตเติลในภาษาปลายทาง พร้อมจับคู่เวลากับแต่ละส่วน
translation_vtt_path
.vtt
คำบรรยายในรูปแบบ WebVTT สำหรับเล่นบนเว็บไซต์
translated_video
MP4
วิดีโอที่แปลแล้วพร้อมเสียงพากย์
การควบคุม

แก้ไขข้อความถอดเสียงทีละส่วน

ระบบจดจำเสียงจะช่วยร่างข้อความให้คุณก่อน คุณสามารถแก้ไขคำ เวลา หรือชื่อผู้พูดได้โดยส่งคำขอหนึ่งครั้งต่อหนึ่งส่วน จากนั้นค่อยสร้างเวอร์ชันที่แปลแล้วใหม่อีกครั้ง การสร้างใหม่จะมีค่าใช้จ่ายตามส่วนที่มีการเปลี่ยนแปลง โดยมีขั้นต่ำหนึ่งนาทีต่อการใช้งานหนึ่งครั้ง

การแก้ไขในระดับส่วนของวิดีโอ

การแก้ไขในระดับส่วนของวิดีโอ
แต่ละโปรเจกต์จะแสดงข้อความถอดเสียงเป็นส่วนๆ ที่เข้าถึงได้ ดังนั้นการแก้ไขข้อความถอดเสียงขั้นสุดท้ายจึงทำได้ด้วยคำขอแก้ไขเพียงครั้งเดียว
ดึงข้อมูลข้อความถอดเสียงและส่วนต่างๆ ออกมา
แก้ไขข้อความต้นฉบับแล้วเราจะแปลใหม่ให้ทันที
แก้ไขข้อความที่แปลแล้วได้โดยตรงเพื่อให้ใช้คำในแบบของคุณเอง
ปรับเวลา เพิ่มส่วนต่างๆ หรือลบส่วนที่ไม่ต้องการ
เปลี่ยนเสียงพากย์ของวิทยากรแต่ละคนได้ตามต้องการ

คลังคำศัพท์สำหรับคำเฉพาะ

คลังคำศัพท์สำหรับคำเฉพาะ
เมื่อข้อความถอดเสียงถูกแปลแล้ว อภิธานศัพท์จะช่วยรักษาชื่อแบรนด์ ชื่อเฉพาะ และคำศัพท์เฉพาะทางให้คงเดิมในทุกเวอร์ชัน หรือคงเป็นภาษาเดิมไว้ตามที่คุณต้องการ

คลังคำศัพท์หนึ่งชุดจะใช้สำหรับหนึ่งคู่ภาษาและครอบคลุมทุกสำเนียงของภาษานั้น ดังนั้นคลังคำศัพท์ภาษาสเปนเพียงชุดเดียวก็ใช้งานได้ทั่วถึง es-mx และ es-es เหมือนกัน บันทึกของโปรเจกต์ glossary_versionดังนั้นการแก้ไขในภายหลังจึงไม่ส่งผลกระทบต่อAงานที่เสร็จสมบูรณ์แล้ว
ข้อมูลเข้า

รูปแบบไฟล์ที่รองรับ

ถอดเสียงไฟล์เสียง เช่น พอดแคสต์ การสัมภาษณ์ และการโทรที่บันทึกไว้ หรือไฟล์วิดีโอในรูปแบบใดก็ได้ที่รองรับ หรือจะส่งลิงก์ URL มาก็ได้ หากคุณอัปโหลดไฟล์ที่ไม่รองรับ ระบบ API จะปฏิเสธทันทีก่อนที่จะมีการคิดค่าบริการ

วิดีโอ

7 รูปแบบ
.mp4
.mov
.mkv
.avi
.webm
.m4v
.3gp

เสียง

4 รูปแบบ
.mp3
.wav
.flac
.m4a

ตรวจสอบข้อมูลก่อนเริ่มใช้งาน

ปลายทางสื่อจะแสดงข้อมูลระยะเวลา ขนาดไฟล์ ตัวแปลงสัญญาณวิดีโอ อัตราเฟรม ความละเอียด ตัวแปลงสัญญาณเสียง อัตราตัวอย่าง และเลย์เอาต์ช่องเสียง คุณสามารถตรวจสอบความถูกต้องของไฟล์และประเมินค่าใช้จ่ายล่วงหน้าได้ เนื่องจากโปรเจกต์จะคิดค่าบริการตามนาทีของเสียงหรือวิดีโอ
ความปลอดภัยและการปฏิบัติตามกฎระเบียบ

ความปลอดภัยระดับองค์กรสำหรับข้อมูลเสียงและคำพูด

Brask Inc ได้รับมาตรฐาน SOC 2 Type II และดำเนินการภายใต้กฎระเบียบ GDPR พร้อมทั้งเผยแพร่สถานะการควบคุมแบบเรียลไทม์ใน Trust Center ดังนั้นการบันทึกเสียงและข้อความถอดเสียงจึงได้รับการจัดการภายใต้การควบคุมที่มีการตรวจสอบ

ใบรับรอง

SOC 2 Type II
GDPR
สมาชิก CAI และ C2PA

การเข้ารหัส

ใช้งาน TLS 1.2 ระหว่างรับส่งข้อมูล
เข้ารหัสด้วย AES-256 เมื่อจัดเก็บ
จัดการคีย์ด้วย SSE-S3
เปลี่ยนคีย์การเข้ารหัสอย่างน้อยทุกๆ 12 เดือน

เนื้อหาของคุณ

สภาพแวดล้อม AI ปิด
ไม่นำข้อมูลไปฝึกโมเดลทั่วไปเด็ดขาด
ส่งออกข้อมูลได้เต็มที่ ไม่ผูกมัดกับแพลตฟอร์ม

เข้าถึง

ระบบลงชื่อเข้าใช้ครั้งเดียว (SSO) และ SAML
กำหนดสิทธิ์การเข้าถึงตามบทบาทหน้าที่
ข้อมูลรับรองผู้ใช้ OAuth 2.0

องค์กร

ตัวเลือกสถานที่เก็บข้อมูล
ข้อตกลงระดับการให้บริการ (SLA) แบบกำหนดเอง
ผู้ดูแลบัญชีส่วนตัว

สิทธิ์การใช้เสียง

เสียงสังเคราะห์พร้อมสิทธิ์การใช้งาน
โคลนเสียงโดยได้รับความยินยอม
ระบบความปลอดภัย AI และมีมนุษย์คอยตรวจสอบ
เปรียบเทียบ

เปรียบเทียบระหว่าง Rask API กับ API แปลเสียงเป็นข้อความทั่วไปบวกกับระบบที่คุณสร้างเอง

API แปลเสียงเป็นข้อความจะเปลี่ยนเสียงให้เป็นตัวอักษร แต่เมื่อข้อความนั้นต้องกลายเป็นคำบรรยาย คำแปล และเสียงพากย์ งานที่เหลือคือการจัดการระบบ นี่คือผลลัพธ์แบบเดียวกันที่สร้างขึ้นจากสองวิธี
สิ่งที่คุณต้องมี
Rask API
ประกอบจากหลายส่วน
ข้อความถอดเสียงพร้อมระบุชื่อผู้พูด
รวมอยู่ด้วย
รวมอยู่ใน API แปลเสียงเป็นข้อความส่วนใหญ่แล้ว
เวลา (Timestamp)
ต่อหนึ่งส่วน
ต่อคำ ใน API หลายตัวที่แปลงเสียงเป็นข้อความ
การแปลข้อความถอดเสียง
โปรเจกต์เดียวกัน รองรับกว่า 135 ภาษาและภาษาท้องถิ่น
API แปลภาษาแยกต่างหาก
ซับไตเติลรูปแบบ .srt และ .vtt
รวมอยู่ด้วยในภาษาเป้าหมาย
สร้างจากข้อมูลเวลาของคุณเอง
เสียงและวิดีโอพากย์
รวมอยู่ด้วย
ผู้ให้บริการ TTS และการผสมเสียงของคุณเอง
การแก้ไขส่วนหนึ่ง
ส่งคำขอแก้ไขหนึ่งครั้ง จากนั้นสร้างใหม่
แก้ไขและซิงค์สำเนาของคุณใหม่
ขีดจำกัดอัตราการใช้งาน
ไม่มี
เงื่อนไขใดก็ตามที่ผู้ให้บริการของคุณกำหนด
การถอดเสียงสดแบบเรียลไทม์
ใช้ API สตรีมมิ่งแปลงเสียงเป็นข้อความ
สร้างมาเพื่อสิ่งนี้โดยเฉพาะ
เฉพาะข้อความถอดเสียง ในราคาสุดคุ้ม
API แปลงเสียงเป็นข้อความโดยเฉพาะมีราคาถูกกว่า
คิดราคาตามชั่วโมงของเสียง
ที่เกี่ยวข้อง

API แบบครบวงจรที่จัดการส่วนที่เหลือให้ทั้งหมด

คำถามที่ถามบ่อย

API แปลงเสียงเป็นข้อความ: คำถามที่พบบ่อย

ไม่พบสิ่งที่คุณกำลังหาอยู่ใช่ไหม?ติดต่อฝ่ายขาย

Rask มี API แปลงเสียงเป็นข้อความหรือไม่

รองรับการถอดเสียงภาษาใดบ้าง

สามารถถอดเสียงไฟล์เสียงโดยไม่มีวิดีโอได้ไหม

รองรับการแยกแยะผู้พูดไหม

API นี้ส่งคืนเวลาประทับที่ระดับคำหรือไม่?

รองรับการถอดเสียงแบบเรียลไทม์ไหม

ความแม่นยำในการถอดเสียงเป็นอย่างไร

สามารถเพิ่มคำศัพท์เฉพาะหรือคำเฉพาะทางได้ไหม

สามารถรับข้อความถอดเสียงเป็นไฟล์ SRT ได้ไหม

สามารถนำข้อความถอดเสียงของตัวเองมาใช้ได้ไหม

มีการคิดค่าใช้จ่ายสำหรับการถอดเสียงอย่างไร

มีแพ็กเกจฟรีให้ใช้งานหรือไม่?

ฉันจะขอเข้าใช้งาน API และรับคีย์ API ได้อย่างไร?

เริ่มพากย์เสียงได้ภายในบ่ายนี้

ส่งคำขอแรกของคุณวันนี้ และติดต่อเราเมื่อคุณต้องการใช้งานในปริมาณมากหรือภาษาที่ไม่มีใครรองรับ