Source: https://ailoot.ai/models/th/fish-audio-transcribe-1/
Canonical: https://ailoot.ai/models/th/fish-audio-transcribe-1/
Language: th

# Fish Audio: Transcribe 1

[Markdown](https://ailoot.ai/models/th/fish-audio-transcribe-1/index.md) · [JSON](https://ailoot.ai/models/th/fish-audio-transcribe-1/facts.json)

## [Fish Audio: Transcribe 1](https://ailoot.ai/models/th/fish-audio-transcribe-1/)

Transcribe 1 แปลงเสียงบันทึกสั้นเป็นข้อความ พร้อมตรวจจับภาษาอัตโนมัติและตัวเลือกเวลาประทับระดับคำ ใช้บทถอดเสียงสำหรับโน้ตเสียง คลิปที่ค้นหาได้ หรือการเตรียมคำบรรยาย โดยแยกช่วงข้อความพร้อมเวลาออกจากข้อความฉบับเต็มที่อ่านสะดวก

- [**Ailoot Ultra · การถอดเสียง** `POST /v1/audio/transcriptions` `fish-audio/transcribe-1`](https://ailoot.ai/models/th/fish-audio-transcribe-1/#method-0)

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

Transcribe 1 เป็นโมเดลแปลงเสียงพูดเป็นข้อความทั่วไปของ Fish Audio สำหรับเสียงบันทึกสั้น รับไฟล์เสียงและคืนคำที่รู้จำเป็นข้อความ พร้อมระยะเวลาการบันทึก ช่วงข้อความพร้อมเวลาที่เลือกขอได้ และข้อมูลภาษาเมื่อทราบ เหมาะกับโน้ตเสียงสั้น คำสั่งพูด ข้อความตัดตอนจากเสียงบันทึก หรือคลิปเสียงที่ต้องการแปลงเป็นข้อความให้อ่านได้

ตัวอย่างเวิร์กโฟลว์โน้ตเสียงเก็บเสียงบันทึกคู่กับบทถอดเสียงเต็มและรหัสคลิปต้นฉบับ ขั้นถัดไปของแอปพลิเคชันสามารถค้นข้อความ จัดระเบียบโน้ต หรือสร้างบทสรุปโดยเก็บแหล่งคำพูดไว้ สำหรับคำสั่ง บทถอดเสียงส่งคำที่รู้จำให้แอปพลิเคชัน การดำเนินการใด ๆ เป็นขั้นตีความและปฏิบัติที่แยกต่างหาก สำหรับข้อความตัดตอนสัมภาษณ์ ให้บันทึกตำแหน่งคลิปในเสียงเต็มเพื่อให้ตรวจคำอ้างได้ตรงจุด

ผู้ผลิตรับ WAV, MP3, AAC รวม M4A/MP4, FLAC และ Ogg ที่บรรจุ Opus หรือ Vorbis เสียงบันทึกจากเบราว์เซอร์ใน WebM ควรแปลงเป็น Ogg/Opus, MP3 หรือ WAV สำหรับโมเดลนี้ ส่วน Pro มีเอกสารระบุการรองรับคอนเทนเนอร์เพิ่มเติมโดยตรง ส่งไฟล์เสียงหนึ่งไฟล์ต่อคำขอ ขีดจำกัดคำขอของโมเดลพื้นฐานตามเอกสารคือสูงสุด 50 MiB โดยไฟล์ MP3 และ Opus ต้องต่ำกว่า 25 MiB ขนาดไฟล์กับระยะเวลาเสียงเป็นคนละเรื่อง ไฟล์บีบอัดอาจอยู่ในขีดจำกัดอัปโหลดแต่ยังใช้เวลาประมวลผลนานเกินไป

Transcribe 1 ออกแบบสำหรับเสียงบันทึกสั้น ผู้ผลิตแนะนำ Pro สำหรับเสียงยาวกว่าสองสามนาที คำขอยาวของโมเดลพื้นฐานอาจล้มเหลวเมื่อเกินเวลาประมวลผลที่จำกัด เมื่อแบ่งต้นฉบับยาวเป็นคลิปสั้นเพื่อถอดเสียง ให้เก็บเวลาเริ่มต้นของแต่ละคลิปและยืนยันว่าบทถอดเสียงครอบคลุมคลิปทั้งหมดก่อนรวมผล บวกเวลาเริ่มต้นต้นฉบับเข้ากับเวลาในช่วงข้อความของคลิปเพื่อให้การนำทางยังเชื่อมกับเสียงเต็ม คำแนะนำของโมเดลพื้นฐานไม่ควรตีความเป็นงบ 60 นาทีที่แยกต่างหากของ Pro

คำตอบจากผู้ผลิตมี text, duration และ segments ระยะเวลาแสดงเป็นวินาที และควรเก็บบทถอดเสียงเต็มที่อ่านสะดวกเป็นถ้อยคำหลักของคลิป การระบุเวลาเป็นตัวเลือก โดย ignore\_timestamps ใน API ของผู้ผลิตมีค่าเริ่มต้น true ส่วน false ขอช่วงระดับคำพร้อมข้อความ เวลาเริ่ม และเวลาสิ้นสุดเป็นวินาที การขอจัดแนวเพิ่มเวลาประมวลผล อาร์เรย์ segments ที่ว่างอาจหมายถึงข้ามการระบุเวลา ไม่มีคำพูด หรือการจัดแนวไม่พร้อมชั่วคราว จึงไม่ควรสรุปอัตโนมัติว่าบทถอดเสียงเต็มว่าง

โดยทั่วไปช่วงข้อความเป็นคำ หรือหนึ่งถึงไม่กี่ตัวอักษรในภาษาจีนและญี่ปุ่น ข้อความของช่วงละเครื่องหมายวรรคตอนและอาจปรับค่าต่างจากบทถอดเสียงเต็ม จึงไม่ใช่สำเนาตัวอักษรต่อตัวอักษรของคำตอบที่อ่านสะดวก ช่วงหนึ่งอาจมีเวลาเริ่มและเวลาสิ้นสุดเท่ากัน ใช้ช่วงข้อความเพื่อหาตำแหน่งในเสียงหรือเตรียมการแสดงตามเวลา และใช้ข้อความเต็มเมื่อถ้อยคำกับวรรคตอนมีความสำคัญ เก็บสองรูปแบบนี้แยกกันในชิ้นงานผลลัพธ์

ระบบตรวจจับภาษาอัตโนมัติ ไม่ว่าจะส่งคำใบ้ภาษาหรือไม่ ผู้ผลิตระบุรหัส ISO 639-1 ตัวพิมพ์เล็กสำหรับคำใบ้ และคืนรหัสภาษาสำหรับตรรกะแอปพลิเคชันพร้อมชื่อภาษาสำหรับแสดงเมื่อทราบ คำตอบรายงานภาษาเดียว ไม่ใช่ทุกภาษาในเสียงที่สลับภาษา เก็บถ้อยคำต้นฉบับและข้อมูลภาษาที่มีไว้กับผลลัพธ์ แทนการถือว่าคำขอถอดเสียงเป็นการแปล

สำหรับเวิร์กโฟลว์คำบรรยาย ให้รวมช่วงเวลาที่ต่อเนื่องเป็นข้อความคำบรรยายที่อ่านสะดวกแทนการแสดงทีละคำ ผลลัพธ์ที่มีประโยชน์คือไฟล์ SRT หรือ WebVTT ที่เชื่อมกับคลิปต้นฉบับ โดยกำหนดขอบเขตให้เหมาะกับจังหวะหยุดและมีข้อความบนจอในปริมาณพอดี ตรวจเวลาที่ขาดหายและให้เวลาสิ้นสุดแต่ละช่วงอยู่หลังเวลาเริ่ม การจัดกลุ่มคำบรรยายและรูปแบบไฟล์เป็นขั้นของแอปพลิเคชันที่สร้างจากการจัดแนวที่ได้รับ รูปแบบแสดงควรเหมาะกับเครื่องเล่นและผู้ชม

ตัวควบคุมของ Transcribe 1 ตามเอกสารคือเสียง คำใบ้ภาษา และตัวเลือกการระบุเวลา เครื่องหมายผู้พูด รอบผู้พูดแบบมีโครงสร้าง ตัวควบคุมเหตุการณ์อารมณ์ และคำใบ้จำนวนผู้พูดของ Pro เป็นคุณสมบัติแยกต่างหาก ไม่อยู่ในข้อกำหนดคำตอบของโมเดลพื้นฐานนี้ เลือกชิ้นงานที่ต้องการก่อนประมวลผล จะเป็นข้อความอ่านสะดวกสำหรับโน้ต หรือข้อความพร้อมการจัดแนวเพื่อการนำทางและคำบรรยาย การเก็บรหัสคลิป บทถอดเสียง และเวลาที่มี ทำให้ใช้ผลลัพธ์ในขั้นถัดไปของแอปพลิเคชันได้

**Ailoot Ultra · การถอดเสียง** `POST /v1/audio/transcriptions` `fish-audio/transcribe-1`

[`fish-audio/transcribe-1`](https://ailoot.ai/models/th/#m=fish-audio%2Ftranscribe-1&route=Ultra&caller=fish-audio%2Ftranscribe-1&fmt=transcriptions)

Fish Audio /`fish-audio/transcribe-1`

### เริ่มต้น

Transcribe 1 แปลงเสียงบันทึกสั้นเป็นข้อความ พร้อมตรวจจับภาษาอัตโนมัติและตัวเลือกเวลาประทับระดับคำ ใช้บทถอดเสียงสำหรับโน้ตเสียง คลิปที่ค้นหาได้ หรือการเตรียมคำบรรยาย โดยแยกช่วงข้อความพร้อมเวลาออกจากข้อความฉบับเต็มที่อ่านสะดวก

อินพุตที่รองรับ

เสียง

ผลลัพธ์

ข้อความ

### ใช้งานได้ใน Ailoot · อินพุตและเมธอด

**Ailoot Ultra · การถอดเสียง** `POST /v1/audio/transcriptions`

ขาเข้า

`audio`

ขาออก

`text`

| ฟิลด์ | ประเภท | ข้อกำหนด | ค่าและข้อจำกัด | ค่าเริ่มต้น |
| --- | --- | --- | --- | --- |
| ฟิลด์`model` | ประเภท`string` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด fish-audio/transcribe-1 | ค่าเริ่มต้น— |
| ฟิลด์`input_audio` | ประเภท`object` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด | ค่าเริ่มต้น— |

พารามิเตอร์และวงจรการทำงานของเมธอด

| พารามิเตอร์ | ข้อกำหนด |
| --- | --- |
| พารามิเตอร์`content_type` | ข้อกำหนดapplication/json |
| พารามิเตอร์`required` | ข้อกำหนดmodel, input\_audio |
| พารามิเตอร์`material_types` | ข้อกำหนดaudio |
| พารามิเตอร์`material_conditions` | ข้อกำหนดตัวอย่างนี้อ่านไฟล์ PCM WAV จริงของคุณที่ไม่ว่าง เข้ารหัสไบต์ทั้งหมดของไฟล์เป็น base64 และส่ง input\_audio.format เป็น wav |

วงจรการทำงาน: `synchronous_result_then_owned_library`

`GET /v1/media/tasks/{task_id}` · task\_id ที่ตรงตามบันทึกสื่อเดิมซึ่งเป็นของคุณ

`GET /v1/media/assets/{asset_id}/content`

`GET /v1/media/assets`

`GET /v1/media/assets/{asset_id}`

### ราคา

ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก

โหมดรวดเร็ว

ไม่ได้ระบุ เมื่อเลือกโหมดรวดเร็ว

โหมดยืดหยุ่น

ไม่ได้ระบุ เมื่อเลือกโหมด flex

ระดับการใช้เหตุผลสูงสุด

ไม่ได้ระบุ เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด

#### อัตราค่าบริการ Ailoot

#### ราคาตามการตั้งค่า

เทียบค่าบริการแต่ละรายการกับเงื่อนไขที่แสดง เลือกใช้อัตราเดียวสำหรับแต่ละชุดการตั้งค่าที่เป็นตัวเลือกทดแทนกัน

| การตั้งค่า | ตารางอัตราค่าบริการ | หน่วยคิดค่าบริการ | ค่าบริการ |
| --- | --- | --- | --- |
| การตั้งค่าอัตราค่าบริการโทเคนพื้นฐาน | ตารางอัตราค่าบริการอัตราพื้นฐาน | หน่วยคิดค่าบริการ— | ค่าบริการ ขาเข้า · โทเค็นอินพุต **—** / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต **—** / 1K โทเค็น ขาเข้า · การอ่านแคช **—** / 1K โทเค็น ขาเข้า · การเขียนแคช **—** / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง **—** / 1K โทเค็น |
| การตั้งค่าวินาทีเสียงขาเข้า | ตารางอัตราค่าบริการ— | หน่วยคิดค่าบริการต่อวินาทีของเสียงอินพุต | ค่าบริการ ขาเข้า · วินาทีเสียงขาเข้า **$0.0002** ต่อวินาทีของเสียงอินพุต |

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย [วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →](https://ailoot.ai/docs/th/billing/reserve/)

### ตัวอย่างคำขอ

#### Ailoot Ultra · การถอดเสียง

curl · ไฟล์ WAV จริงและผลลัพธ์ต้นฉบับที่ครบถ้วน

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import base64, io, json, os, wave
from pathlib import Path
audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):
    raise SystemExit('Supply your actual PCM WAV audio file')
with wave.open(io.BytesIO(audio), 'rb') as recording:
    if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:
        raise SystemExit('Supply a nonempty PCM WAV recording')
request = {'model': 'fish-audio/transcribe-1', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}
Path('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete original response, headers and actual X-Client-Request-ID.
# Read existing owned records for recovery; do not resubmit an uncertain operation.
```

### รับและบันทึกผลลัพธ์

#### Ailoot Ultra · การถอดเสียง

เนื้อหาการตอบกลับเดิมทั้งหมด สถานะ และส่วนหัวที่ส่งต่อ ตัวจัดการนี้ไม่เพิ่มโครงสร้าง JSON ฟิลด์ข้อความ หรือโครงสร้างห่อหุ้มงานแบบสากล

- `GET /v1/media/tasks/{task_id}`
- `GET /v1/media/assets/{asset_id}/content`
- `GET /v1/media/assets`
- `GET /v1/media/assets/{asset_id}`

##### เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บการตอบกลับและส่วนหัวให้ครบถ้วน เก็บผลลัพธ์จริงทุกรายการ ตัวระบุที่ส่งกลับมาแต่เดิม และฟิลด์ข้อมูลการใช้งานทั้งหมด กู้คืนการดำเนินการเดิมโดยไม่ส่งคำขอสร้างซ้ำ

##### เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ X-Client-Request-ID จริงและการตอบกลับทั้งหมด อ่านแอสเซ็ตเดิมที่เป็นของคุณและ URL เนื้อหาที่ลงลายเซ็นตรงตามที่ส่งกลับ ห้ามส่งคำขอสร้างที่ยังไม่แน่ชัดซ้ำ

ฟิลด์การตอบกลับ

| ฟิลด์ | ประเภท |
| --- | --- |
| ฟิลด์`text (when present)` | ประเภท |
| ฟิลด์`usage (when present)` | ประเภท |

ข้อผิดพลาดและขั้นตอนถัดไป

| การตอบกลับ | เงื่อนไข | ขั้นตอนถัดไป |
| --- | --- | --- |
| การตอบกลับ400 · `invalid_request_error` | เงื่อนไขเนื้อหา JSON หรือ ID โมเดลมาตรฐานที่ระบุชัดเจนไม่ถูกต้อง | ขั้นตอนถัดไปเก็บการตอบกลับและแก้ไขฟิลด์คำขอที่ระบุ |
| การตอบกลับ401 · `authentication_error` | เงื่อนไขคีย์ API ของ Ailoot ไม่ถูกต้อง | ขั้นตอนถัดไปใช้คีย์ API ของ Ailoot ที่คุณได้รับอนุญาต |
| การตอบกลับ403 · `permission_error` | เงื่อนไขกลุ่มคีย์ไม่อนุญาตให้ใช้เมธอดนี้ | ขั้นตอนถัดไปเก็บรายละเอียดข้อผิดพลาดที่ส่งกลับไว้ |
| การตอบกลับ404 · `not_found_error` | เงื่อนไขเมธอดที่เลือกไม่มีเส้นทางที่ได้รับอนุญาต | ขั้นตอนถัดไปเก็บรายละเอียดข้อผิดพลาดที่ส่งกลับไว้ |
| การตอบกลับ422 · `price_unavailable` | เงื่อนไขอัตราค่าบริการที่ยอมรับไม่สามารถระบุปริมาณข้อมูลขาเข้าหรือขอบเขตที่จำเป็นได้ | ขั้นตอนถัดไปเก็บการตอบกลับไว้ ใช้รูปแบบข้อมูลขาเข้าที่อัตราค่าบริการที่ยอมรับกำหนดไว้ |
| การตอบกลับ503 · `` | เงื่อนไขที่เก็บข้อมูล เส้นทาง ราคาเมธอด หรือการกันวงเงินที่จำเป็นไม่พร้อมใช้งาน | ขั้นตอนถัดไปเก็บการตอบกลับเดิมทั้งหมด การกันวงเงินที่ไม่แน่นอนไม่อนุญาตให้ส่งซ้ำ |
| การตอบกลับ502 · `server_error` | เงื่อนไขต้องตรวจสอบผลลัพธ์ การใช้งาน หรือการชำระบัญชีเดิม | ขั้นตอนถัดไปเก็บ ID คำขอจริงและการตอบกลับเดิม อ่านบันทึกเดิมที่เป็นของคุณ อย่าส่งคำขอสร้างซ้ำ |

### ชื่ออื่น

#### ชื่ออื่นของโมเดล

**Ailoot Ultra** [`fish-audio/transcribe-1`](https://ailoot.ai/models/th/#m=fish-audio%2Ftranscribe-1&route=Ultra&caller=fish-audio%2Ftranscribe-1&fmt=transcriptions)

#### ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

#### ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

[`fish-audio/transcribe-1`](https://ailoot.ai/models/th/#m=fish-audio%2Ftranscribe-1&route=Ultra&caller=fish-audio%2Ftranscribe-1&fmt=transcriptions)

FAQ · Fish Audio: Transcribe 1

มีอินพุตและผลลัพธ์ใดบ้าง?

`POST /v1/audio/transcriptions` · `fish-audio/transcribe-1`: `audio` → `text`

คำขอใช้ฟิลด์ใดบ้าง?

`POST /v1/audio/transcriptions` · `fish-audio/transcribe-1`: `model`, `input_audio`

เชื่อม Ailoot กับ Claude Code, OpenCode, Hermes หรือแอปของคุณ

## บริษัทและพอร์ตโฟลิโอโครงการของบริษัท

บริษัทและพอร์ตโฟลิโอโครงการของบริษัท: ลูกค้าหลายล้านราย; ยอดขายระดับหลายพันล้านต่อเดือน.

## ซื้อโทเคนพร้อมส่วนลด

ส่วนลดสมาชิกสำหรับงานประจำ โค้ดโปรโมชั่นลดซื้อโทเคนสูงสุด 50%

สมาชิก

เลือกแพ็กเกจมีส่วนลดสำหรับคำขอประจำ

โค้ดลดสูงสุด 50%

ใส่โค้ดขณะซื้อ ราคาคำนวณใหม่ตามโปรโมชั่นที่ใช้

รายจ่ายในประวัติ

เก็บโมเดล โทเคน และยอดสำหรับทุกคำขอ

[เลือกสมาชิก](https://ailoot.ai/docs/th/billing/subscriptions/) · [ดูราคาโมเดล](https://ailoot.ai/models/th/)

## เชื่อม API กับผลิตภัณฑ์ ที่คุณขาย

SaaS แอป และบอต ตามข้อเสนอและสัญญาอนุญาต Ailoot หากขายต่อให้ขอใบอนุญาตรีเซลเลอร์

แอปเชิงพาณิชย์

ใส่การสร้างข้อความ ภาพ วิดีโอ และเสียงในฟีเจอร์เสียเงินของบริการคุณ

ใบอนุญาตรีเซลเลอร์

ส่งคำอธิบายโครงการและรูปแบบการเข้าถึง ขอเงื่อนไขใช้และขายต่อเป็นลายลักษณ์อักษร

เอกสารบนเว็บไซต์

อ่านข้อเสนอ สัญญาอนุญาต และนโยบายประมวลผลข้อมูลก่อนเชื่อมได้

[ขอใบอนุญาตขายต่อ](mailto:support@ailoot.ai) · [ข้อเสนอและสัญญาอนุญาต](https://ailoot.ai/legal/offer?lang=th)

## Ailoot · บริษัทและพอร์ตโฟลิโอโครงการของบริษัท





Ailoot อาศัยประสบการณ์การดำเนินงานที่สั่งสม ฐานลูกค้าขนาดใหญ่ บริการที่เสถียร และการติดตาม KPI อย่างต่อเนื่อง





บริษัทและพอร์ตโฟลิโอโครงการของบริษัท: ลูกค้าหลายล้านราย; ยอดขายระดับหลายพันล้านต่อเดือน.





Ailoot นำประสบการณ์การดำเนินงานนี้มาใช้เพื่อให้เข้าถึงฟังก์ชัน AI ผ่าน API ในผลิตภัณฑ์ของลูกค้า เอเจนต์ แอปพลิเคชัน และระบบอัตโนมัติ