API แปลเสียงพูดเป็นข้อความสำหรับไฟล์เสียงและวิดีโอ

อัปโหลดไฟล์เสียงหรือวิดีโอที่บันทึกไว้ล่วงหน้าเพื่อรับบทถอดเสียงที่มีการระบุตัวตนผู้พูดและเวลาในแต่ละช่วง รองรับ 75 ภาษาต้นทางพร้อมระบบตรวจจับภาษาอัตโนมัติ โดยในโปรเจกต์เดียวกันนี้ยังสามารถแปลเป็นภาษาและภูมิภาคได้มากกว่า 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}'
ได้รับความไว้วางใจจากทีมงานทั่วโลก
ความสามารถ

ข้อมูลทั้งหมดที่ Speech to text API ส่งกลับมา

การจดจำเสียงพูดคือขั้นตอนแรกของทุกโปรเจกต์บน Rask บทถอดเสียงจะถูกส่งกลับมาเป็นช่วงๆ พร้อมป้ายระบุผู้พูดและเวลา ซึ่งพร้อมสำหรับการแก้ไข แปล ใส่ซับไตเติล และพากย์เสียงได้ภายในโปรเจกต์เดียวกัน

ถอดเสียงไฟล์เสียงและวิดีโอ

อัปโหลดไฟล์เสียงหรือวิดีโอที่บันทึกไว้ล่วงหน้า หรือวางลิงก์ จากนั้น API จะแปลงคำพูดเป็นข้อความทีละช่วง

การแยกแยะผู้พูด

ระบบจะตรวจจับผู้พูดแต่ละคนโดยอัตโนมัติ และแต่ละช่วงจะมีป้ายระบุผู้พูด เช่น SPEAKER_00 คุณสามารถระบุจำนวนผู้พูดได้หากทราบ หรือจะแก้ไขป้ายชื่อภายหลังก็ได้

เวลาสำหรับทุกช่วง

แต่ละช่วงจะมีเวลาเริ่มต้นและสิ้นสุดในรูปแบบ ชม:นาที:วินาที,มิลลิวินาที พร้อมใช้งานสำหรับทำคำบรรยาย การค้นหา และการนำทางภายในไฟล์บันทึกเสียง

75 ภาษาต้นทาง

รองรับหลายภาษาถึง 75 ภาษาต้นทาง ปล่อยว่างไว้เพื่อให้ระบบตรวจจับภาษาอัตโนมัติ หรือระบุด้วยรหัส 2 ตัวอักษรก็ได้

การแปลในส่วนเดียวกัน

ทุกช่วงจะเก็บข้อความต้นทางและคำแปลในภาษาหรือภูมิภาคใดก็ได้จากกว่า 135 แบบ ทำให้บทถอดเสียงและคำแปลตรงกันแบบบรรทัดต่อบรรทัด

คำบรรยายในรูปแบบ .srt และ .vtt

ทุกโปรเจกต์ที่เสร็จสมบูรณ์จะมีไฟล์ซับไตเติลในภาษาเป้าหมาย โดยตั้งเวลาให้ตรงกับช่วงในบทถอดเสียง ไม่ต้องพึ่งพาผู้ให้บริการรายอื่นสำหรับทำคำบรรยาย

คำศัพท์เฉพาะทางในการแปล

อภิธานศัพท์ช่วยรักษาความสอดคล้องของชื่อผลิตภัณฑ์ ชื่อเฉพาะ และคำศัพท์เฉพาะทางเมื่อมีการแปลบทถอดเสียง หรือเมื่อต้องการคงภาษาเดิมไว้

แก้ไขบทถอดเสียงผ่าน API

แก้ไขคำ ปรับเวลา กำหนดผู้พูดใหม่ เพิ่ม หรือลบช่วงข้อความ ผู้ตรวจสอบสามารถแก้ไขบทถอดเสียงขั้นสุดท้ายได้ทันทีโดยไม่ต้องเริ่มใหม่

เติบโตได้ไร้ขีดจำกัด

ไม่มีขีดจำกัดเรื่องอัตราการใช้งาน ไม่มีโควต้าการประมวลผลพร้อมกัน และไม่มีการจำกัดต่อคีย์ ให้คุณประมวลผลการถอดเสียงแบบแบตช์ทั่วทั้งคลังเสียงและวิดีโอของคุณได้พร้อมกัน
ดูการทำงานจริง

ดูบทถอดเสียงเดียวกลายเป็น 5 ภาษา

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

สามขั้นตอนง่ายๆ จากไฟล์เสียงสู่บทถอดเสียง

การสร้างโปรเจกต์จะเริ่มกระบวนการรู้จำเสียง ตามด้วยการแปลและการพากย์เสียงในรอบเดียว ใช้เอนด์พอยต์ /generate หลังจากที่คุณแก้ไขข้อความถอดเสียงแล้ว
1

อัปโหลดไฟล์เสียงหรือวิดีโอ

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

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

สร้างโปรเจกต์

ระบุรหัสมีเดียเป็น video_id และภาษาปลายทาง เพิ่มภาษาต้นทางหรือจำนวนผู้พูดหากคุณทราบ กระบวนการรู้จำจะเริ่มต้นขึ้นทันที

POST /v2/projects
3

อ่านข้อความถอดเสียง

อ่านข้อความถอดเสียงทันทีที่ส่วนต่างๆ พร้อมใช้งาน ในขณะที่กระบวนการแปลสื่อกำลังดำเนินการอยู่ ดาวน์โหลดไฟล์ซับไตเติลและไฟล์สื่อเมื่อโปรเจกต์เสร็จสมบูรณ์

GET /v2/projects/{id}/transcription
กระบวนการรู้จำเสียงทำงานกับไฟล์ที่บันทึกไว้ล่วงหน้าและเสร็จสมบูรณ์แล้ว แทนที่จะเป็นเสียงสด ระยะเวลาในการประมวลผลจะแตกต่างกันไปตามความยาวของไฟล์ จำนวนผู้พูด และภาษาปลายทาง
สร้างมาเพื่อคุณโดยเฉพาะ

ต้องการภาษาหรือรูปแบบไฟล์ที่ไม่มีในรายการใช่ไหม? พูดคุยกับทีมงานของเราได้เลย

ภาษาต้นทางที่นอกเหนือจากรายการ รูปแบบข้อความถอดเสียงที่แพลตฟอร์มของคุณต้องการ ปริมาณงานที่สูงขึ้น หรือวิธีส่งมอบของคุณเอง ทีมงานของเราจะตรวจสอบความต้องการในการผสานการทำงานและตัวเลือกที่มีให้

ภาษาและเสียงพากย์

ต้องการภาษานอกเหนือจากแค็ตตาล็อกสาธารณะใช่ไหม พูดคุยกับทีมงานของเราเกี่ยวกับความต้องการของคุณและตัวเลือกที่มี

การจัดส่งและการผสานรวมระบบ

เว็บฮุก (Webhooks) การส่งข้อมูลเข้าคิวของคุณเอง การส่งตรงไปยัง S3 หรือการสร้าง endpoint แบบกำหนดเอง บอกเราได้เลยว่าระบบของคุณต้องการรับข้อมูลอย่างไร

ปริมาณงานและความเร็วในการประมวลผล

ขนาดชุดข้อมูล ภาษาเป้าหมายต่อการทำงานหนึ่งครั้ง และลำดับความสำคัญในการประมวลผล ล้วนเป็นเงื่อนไขในสัญญา ไม่ใช่ข้อจำกัดตายตัวของผลิตภัณฑ์

ความปลอดภัยและการโฮสต์ข้อมูล

การจัดเก็บข้อมูล การเข้าสู่ระบบแบบ SSO และ SAML กฎการเก็บรักษาข้อมูล และการสนับสนุนการตรวจสอบความปลอดภัย จะดำเนินการเป็นส่วนหนึ่งของการต้อนรับเข้าสู่ระบบระดับองค์กร
กรณีการใช้งาน

ใครบ้างที่ใช้ API แปลเสียงพูดเป็นข้อความสำหรับวิดีโอ

แพลตฟอร์มที่มีวิดีโออยู่ภายใน

แพลตฟอร์ม LMS และการศึกษาสำหรับลูกค้า แพลตฟอร์มครีเอเตอร์และวิดีโอ เครื่องมือจัดสัมมนาผ่านเว็บและอีเวนต์เสมือนจริง โฮสติ้งวิดีโอและ SaaS สำหรับเวิร์กโฟลว์ แพลตฟอร์มการปรับใช้ดิจิทัล การช้อปปิ้งสด เพิ่มข้อความถอดเสียง แคปชัน และเวอร์ชันแปลของวิดีโอที่บันทึกไว้เป็นฟีเจอร์ของผลิตภัณฑ์คุณ

หน่วยงานด้านการแปลภาษาและผลิตสื่อ

ใช้ข้อความถอดเสียงพร้อมป้ายกำกับผู้พูดเป็นร่างแรกสำหรับผู้ตรวจสอบของคุณ แก้ไขส่วนต่างๆ ผ่าน API และส่งมอบซับไตเติล คำแปล และเวอร์ชันพากย์เสียงจากโปรเจกต์เดียวกัน

การผลิตวิดีโออย่างต่อเนื่องภายในองค์กร

ธุรกิจค้าปลีกและอีคอมเมิร์ซระหว่างประเทศ แฟรนไชส์ระดับโลก ผู้เผยแพร่สื่อ มหาวิทยาลัยองค์กร ถอดเสียงการฝึกอบรมสัมมนาผ่านเว็บและการสัมภาษณ์ที่บันทึกไว้ จากนั้นเผยแพร่แคปชันและเวอร์ชันภาษาสำหรับทุกตลาด
เรื่องราวความสำเร็จจากลูกค้า

ทีมจริง ผลลัพธ์ที่วัดได้

วิธีที่บริษัทต่างๆ แปลวิดีโอด้วย Rask ผ่านตัวเลขจริงของพวกเขา
ลูกศร
ลูกศร
โค้ด

ตัวอย่างโค้ด API แปลงเสียงพูดเป็นข้อความ

ตัวอย่างที่สมบูรณ์หนึ่งรายการในแต่ละภาษา: อัปโหลดไฟล์เสียงหรือวิดีโอ สร้างโปรเจกต์ รอ จากนั้นอ่านส่วนข้อความถอดเสียงพร้อมผู้พูดและประทับเวลา
# 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 แท็บ Node, PHP และ cURL เป็นตัวอย่าง HTTP ธรรมดาที่เรียกใช้งานไปยังเอนด์พอยต์เดียวกัน
ความคืบหน้า

โครงการถอดเสียงรายงานความคืบหน้าอย่างไร

การถอดเสียงเป็นขั้นตอนแรกของโปรเจกต์ที่มีสถานะบันทึกไว้ เพื่อให้คุณสามารถแสดงความคืบหน้าที่แท้จริงสำหรับการบันทึกที่มีความยาว คุณต้องดำเนินการกับสามกลุ่มเท่านั้น

สำเร็จแล้ว หยุดที่นี่

merging_done
ไฟล์สื่อและซับไตเติลฉบับสมบูรณ์พร้อมแล้ว ข้อความถอดเสียงสามารถอ่านได้เร็วกว่านั้น ทันทีที่ส่วนต่างๆ พร้อมใช้งาน

กำลังดำเนินการ ดึงข้อมูลสถานะต่อไป

created
uploading
transcription_started
separate_background_started
determine_speakers_started
translation_started
voiceover_started
merging_started
พร้อมกับสิ่งที่ตรงกัน _done ซึ่งสถานะเหล่านี้สามารถนำไปแสดงผลบนหน้าจอความคืบหน้าได้อย่างลงตัว

เกิดข้อผิดพลาด หยุดทำงาน และรายงาน

failed
upload_failed
transcription_failed
translation_failed
voiceover_failed
merging_failed
no_audio
no_words
forbidden_link
no_audio, no_words และ forbidden_link มีความเฉพาะเจาะจงพอที่จะแสดงให้ผู้ใช้ของคุณเห็นได้โดยตรง
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"}}
]}

หรือข้ามขั้นตอนการตรวจสอบสถานะไปเลยก็ได้

ชี้มาที่ปลายทางเว็บฮุก (webhook endpoint) แล้วการเปลี่ยนแปลงสถานะทุกอย่างจะส่งมาเป็นแบบ POST คิวของคุณจึงตอบสนองต่อการเปลี่ยนแปลงแต่ละครั้งได้ทันทีที่เกิดขึ้น การส่งมอบผ่านเว็บฮุกเป็นส่วนหนึ่งของการต้อนรับลูกค้าองค์กร
อ่านเอกสารประกอบ
preserveAspectRatio="xMidYMid meet" aria-hidden="true" role="img">
ผลลัพธ์

ส่วนข้อความถอดเสียง ซับไตเติล และสื่อที่แปลแล้ว

อ่านข้อความถอดเสียงเป็นส่วน JSON จากเอนด์พอยต์การถอดเสียง โปรเจกต์ที่เสร็จสมบูรณ์ยังแสดงไฟล์ซับไตเติลในรูปแบบ SRT และ VTT ในภาษาปลายทาง วิดีโอที่แปลแล้ว และในแพ็กเกจที่มีสิทธิ์ เสียงที่แปลแล้วเป็นแทร็ก WAV แยกต่างหาก
ฟิลด์
รูปแบบ
ลักษณะของไฟล์
segments
JSON
ข้อความถอดเสียง: ข้อความต้นฉบับ, คำแปล, ป้ายกำกับผู้พูด, เวลาเริ่มต้นและสิ้นสุดสำหรับแต่ละส่วน
voiceover
WAV
เสียงที่แปลแล้วเท่านั้น ไม่มีเสียงพื้นหลัง สำหรับแพ็กเกจที่มีสิทธิ์
translated_audio
WAV
เสียงที่แปลแล้วผสมกับเสียงพื้นหลังต้นฉบับ
translation_srt_path
.srt
ซับไตเติลในภาษาปลายทาง จัดเวลาให้ตรงกับส่วนต่างๆ
translation_vtt_path
.vtt
ซับไตเติลรูปแบบเดียวกับ WebVTT สำหรับใช้งานบนเว็บเพลเยอร์
translated_video
MP4
วิดีโอที่แปลพร้อมเสียงพากย์
การควบคุม

แก้ไขบทพูดทีละส่วน

ระบบรู้จำเสียงพูดจะช่วยสร้างร่างแรกให้คุณ คุณสามารถแก้ไขคำ เวลา หรือป้ายชื่อผู้พูดได้ด้วยการส่งคำขอเพียงครั้งเดียวต่อหนึ่งส่วน จากนั้นสร้างเวอร์ชันแปลใหม่ โดยจะคิดค่าบริการเฉพาะส่วนที่มีการเปลี่ยนแปลงและมีขั้นต่ำหนึ่งนาทีต่อการทำหนึ่งครั้ง

แก้ไขวิดีโอได้ทีละช่วง

แก้ไขวิดีโอได้ทีละช่วง
ทุกโปรเจกต์จะแสดงบทพูดเป็นส่วนๆ ที่เข้าถึงได้ ดังนั้นการแก้ไขบทพูดส่วนสุดท้ายจึงทำได้ด้วยคำขอแก้ไขเพียงครั้งเดียว
ดึงข้อมูลบทถอดเสียงและส่วนต่างๆ ออกมา
แก้ไขข้อความต้นฉบับแล้วเราจะแปลใหม่ให้ทันที
แก้ไขข้อความที่แปลแล้วได้โดยตรงเพื่อให้ใช้คำในแบบของคุณเอง
ปรับแต่งเวลา เพิ่มส่วนต่างๆ หรือลบส่วนที่ไม่ต้องการ
เปลี่ยนเสียงพากย์ของใครก็ได้ตามต้องการ

อภิธานศัพท์สำหรับคำศัพท์เฉพาะ

อภิธานศัพท์สำหรับคำศัพท์เฉพาะ
เมื่อบทพูดถูกแปลแล้ว อภิธานศัพท์จะช่วยให้ชื่อแบรนด์ ชื่อเฉพาะ และคำศัพท์เฉพาะทางคงเดิมในทุกเวอร์ชัน หรือคงเป็นภาษาเดิมตามที่คุณต้องการ

อภิธานศัพท์หนึ่งชุดจะใช้ได้กับหนึ่งคู่ภาษาและครอบคลุมทุกสำเนียงของภาษานั้นๆ ดังนั้นอภิธานศัพท์ภาษาสเปนเพียงชุดเดียวก็ใช้ได้ es-mx และ es-es เช่นเดียวกัน บันทึกของโปรเจกต์ glossary_versionเพื่อให้การแก้ไขภายหลังไม่ไปกระทบงานที่เสร็จสมบูรณ์แล้วโดยไม่รู้ตัว
ข้อมูลนำเข้า

รูปแบบไฟล์ที่รองรับ

ถอดเสียงไฟล์เสียง เช่น พอดแคสต์ บทสัมภาษณ์ และสายโทรที่บันทึกไว้ หรือไฟล์วิดีโอในรูปแบบที่รองรับ หรือส่งลิงก์ URL มาก็ได้ หากส่งไฟล์ที่ไม่รองรับ ระบบ API จะปฏิเสธทันทีก่อนที่จะมีการหักนาทีใช้งาน

วิดีโอ

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

เสียง

4 รูปแบบ
.mp3
.wav
.flac
.m4a

ตรวจสอบข้อมูลก่อนเริ่มใช้งาน

ปลายทางของสื่อจะแสดงระยะเวลา ขนาดไฟล์ ตัวแปลงสัญญาณวิดีโอ อัตราเฟรม ความละเอียด ตัวแปลงสัญญาณเสียง อัตราตัวอย่าง และรูปแบบช่องเสียง คุณสามารถตรวจสอบความถูกต้องของไฟล์และประเมินค่าใช้จ่ายล่วงหน้าได้ เนื่องจากระบบคิดค่าบริการตามนาทีของเสียงหรือวิดีโอ
ความปลอดภัยและการปฏิบัติตามกฎระเบียบ

ความปลอดภัยระดับองค์กรสำหรับข้อมูลเสียงและคำพูด

Brask Inc ได้รับมาตรฐาน SOC 2 Type II และดำเนินงานภายใต้กฎระเบียบ GDPR พร้อมทั้งเผยแพร่สถานะการควบคุมแบบเรียลไทม์ใน Trust Center ดังนั้นการบันทึกเสียงและบทพูดจึงได้รับการจัดการภายใต้การควบคุมที่มีการตรวจสอบ

ใบรับรอง

SOC 2 Type II
GDPR
สมาชิก CAI และ C2PA

การเข้ารหัส

TLS 1.2 ระหว่างการรับส่งข้อมูล
AES-256 ขณะจัดเก็บ
คีย์ที่จัดการโดย SSE-S3
การหมุนเวียนคีย์อย่างน้อยทุก ๆ 12 เดือน

เนื้อหาของคุณ

สภาพแวดล้อม AI แบบปิด
ไม่นำไปใช้ฝึกโมเดลทั่วไปเด็ดขาด
ส่งออกข้อมูลได้เต็มรูปแบบ ไม่มีข้อผูกมัด

เข้าถึง

SSO และ SAML
การควบคุมการเข้าถึงตามบทบาท
ข้อมูลรับรองไคลเอ็นต์ OAuth 2.0

องค์กร

ตัวเลือกการจัดเก็บข้อมูลในพื้นที่
SLA แบบกำหนดเอง
ผู้จัดการบัญชีส่วนตัว

สิทธิ์การใช้เสียง

เสียงสังเคราะห์ที่มีสิทธิ์การใช้งาน
การโคลนเสียงโดยได้รับความยินยอม
ระบบควบคุมความปลอดภัย AI มีมนุษย์คอยตรวจสอบ
การเปรียบเทียบ

เปรียบเทียบระหว่าง Rask API กับ API แปลเสียงเป็นข้อความพร้อมระบบจัดการของคุณเอง

API แปลเสียงเป็นข้อความจะเปลี่ยนเสียงให้เป็นข้อความ แต่เมื่อข้อความนั้นต้องกลายเป็นคำบรรยาย คำแปล และเสียงพากย์ ขั้นตอนที่เหลือคือการสร้างระบบจัดการ นี่คือผลลัพธ์แบบเดียวกันที่สร้างขึ้นจากสองวิธี
สิ่งที่คุณต้องการ
Rask API
ประกอบเข้าด้วยกันจากหลายส่วน
บทพูดพร้อมระบุชื่อผู้พูด
รวมอยู่ด้วย
รวมอยู่ใน API แปลเสียงเป็นข้อความส่วนใหญ่แล้ว
เวลา
ต่อส่วน
ต่อคำใน API แปลเสียงเป็นข้อความหลายตัว
การแปลบทพูด
โปรเจกต์เดียวกัน รองรับมากกว่า 135 ภาษาและภูมิภาค
API แปลภาษาแยกต่างหาก
คำบรรยายในรูปแบบ .srt และ .vtt
รวมอยู่ด้วยในภาษาเป้าหมาย
สร้างขึ้นจากข้อมูลเวลาของคุณเอง
เสียงพากย์และวิดีโอ
รวมอยู่ด้วย
ผู้ให้บริการ TTS และการผสมเสียงของคุณเอง
การแก้ไขส่วนหนึ่ง
ส่งคำขอแก้ไขหนึ่งครั้ง จากนั้นสร้างใหม่
แก้ไขและซิงค์สำเนาของคุณเองใหม่
ขีดจำกัดอัตราการใช้งาน
ไม่มี
ไม่ว่าผู้ให้บริการของคุณจะกำหนดไว้ก็ตาม
การถอดเสียงเสียงสดแบบเรียลไทม์
ใช้ API แปลงเสียงพูดเป็นข้อความแบบสตรีมมิ่ง
สร้างมาเพื่อสิ่งนี้โดยเฉพาะ
เฉพาะข้อความถอดเสียง ในราคาที่ประหยัดที่สุด
API แปลงเสียงพูดเป็นข้อความโดยเฉพาะมีราคาถูกกว่า
คิดราคาตามชั่วโมงของเสียง
คำถามที่ถามบ่อย

API แปลงเสียงพูดเป็นข้อความ: คำถามที่พบบ่อย

ไม่พบสิ่งที่คุณกำลังหาอยู่ใช่ไหม?ติดต่อฝ่ายขาย

Rask มี API แปลงเสียงพูดเป็นข้อความหรือไม่?

สามารถถอดเสียงภาษาใดได้บ้าง?

ฉันสามารถถอดเสียงไฟล์เสียงโดยไม่มีวิดีโอได้ไหม?

รองรับการแยกแยะผู้พูด (Speaker Diarization) หรือไม่?

API ส่งคืนประทับเวลาระดับคำด้วยหรือไม่?

รองรับการถอดเสียงแบบเรียลไทม์ไหม?

การถอดเสียงมีความแม่นยำแค่ไหน?

ฉันสามารถเพิ่มคำศัพท์เฉพาะหรือคำศัพท์เฉพาะทางได้ไหม?

ฉันสามารถดาวน์โหลดไฟล์บทพูดในรูปแบบ SRT ได้หรือไม่

ฉันสามารถใช้บทพูดของตัวเองได้ไหม

มีการคิดค่าบริการถอดเสียงอย่างไร

มีแพ็กเกจฟรีให้ใช้งานไหม

ฉันจะขอสิทธิ์เข้าใช้งาน API และรับคีย์ API ได้อย่างไร

เริ่มพากย์เสียงได้ภายในบ่ายเดียว

ส่งคำขอแรกของคุณวันนี้ และติดต่อเราได้เลยเมื่อคุณต้องการใช้งานในปริมาณมากหรือต้องการภาษาที่คนอื่นไม่มี