Source: https://ailoot.ai/models/th/openai-whisper-1/ Canonical: https://ailoot.ai/models/th/openai-whisper-1/ Language: th # OpenAI: Whisper 1 [Markdown](https://ailoot.ai/models/th/openai-whisper-1/index.md) · [JSON](https://ailoot.ai/models/th/openai-whisper-1/facts.json) ## [OpenAI: Whisper 1](https://ailoot.ai/models/th/openai-whisper-1/) Whisper 1 ถอดไฟล์เสียงที่บันทึกเสร็จแล้วเป็นข้อความ พร้อมการรู้จำหลายภาษาและการประทับเวลาระดับคำหรือเซกเมนต์ ผู้พัฒนารองรับรูปแบบคำบรรยายและขั้นตอนแปลเป็นอังกฤษแยกต่างหาก โดยผลถอดเสียงคงภาษาของเสียงบันทึกไว้ - [**Ailoot Ultra · การรู้จำเสียงพูด** `POST /v1/audio/transcriptions` `openai/whisper-1`](https://ailoot.ai/models/th/openai-whisper-1/#method-0) เกี่ยวกับโมเดล คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก Whisper 1 เป็นโมเดล API รู้จำเสียงทั่วไปของ OpenAI ซึ่งเอกสารระบุว่าขับเคลื่อนด้วยโมเดลโอเพนซอร์ส Whisper V2 โมเดลรับไฟล์เสียงและคืนข้อความ ผู้ผลิตอธิบายการรู้จำหลายภาษา การระบุภาษา และงานแปลคำพูดที่แยกต่างหาก การถอดเสียงคงภาษาที่พูดไว้ ส่วนอินเทอร์เฟซแปลแยกของผู้พัฒนาคืนข้อความภาษาอังกฤษ การใช้งานที่มีประโยชน์คือเตรียมการสัมภาษณ์ บันทึกเสียง หรือการสนทนาที่อัดไว้สำหรับค้นหาและแก้ไขภายหลัง ส่งเสียงบันทึกที่เสร็จแล้ว พร้อมระบุภาษาอินพุตเมื่อทราบ OpenAI ระบุว่ารองรับ 98 ภาษา และความแม่นยำของการรู้จำแตกต่างตามภาษา ตัวบอกใบ้ภาษาเดียวใช้รหัส ISO 639-1 ส่วนฟิลด์หลายภาษาและคำสำคัญรุ่นใหม่ของโมเดลถอดเสียงอื่นเป็นการควบคุมแยกกัน ขั้นตอนถอดไฟล์เสียงของผู้พัฒนารับไฟล์สูงสุด 25 MB ในรูปแบบ MP3, MP4, MPEG, MPGA, M4A, WAV หรือ WebM สำหรับเสียงบันทึกที่ใหญ่กว่า ให้ใช้รูปแบบบีบอัดหรือแบ่งเป็นชังก์ภายในขีดจำกัด รักษาขอบเขตประโยคและลำดับชังก์ เพื่อให้ข้อความถอดเสียงที่นำมารวมยังเชื่อมโยงกับเสียงบันทึกต้นฉบับ คอนเทนเนอร์วิดีโอส่งส่วนเสียงสำหรับงานนี้ ไม่ใช่อินพุตสำหรับบรรยายภาพ พรอมป์ต์ให้ชื่อ คำย่อ คำศัพท์เฉพาะของเสียงบันทึก และบริบทจากเซกเมนต์ก่อนหน้าได้ ขีดจำกัดพรอมป์ต์ของ Whisper คือ 224 โทเคน และภาษาของพรอมป์ต์ควรตรงกับเสียง ผู้ผลิตระบุว่า Whisper ไม่ทำตามคำสั่งแบบโมเดลข้อความทั่วไป ใช้พรอมป์ต์เป็นบริบทที่เกี่ยวข้องกับการถอดเสียง แล้วตรวจการสะกดที่สำคัญเทียบกับเสียงบันทึก ไม่ใช่ถือว่ารายการศัพท์เป็นคำที่ผู้พูดต้องพูดมาแล้ว ผู้พัฒนาระบุรูปแบบการถอดเสียง JSON, ข้อความธรรมดา, SRT, VTT และ verbose JSON การประทับเวลาระดับคำและเซกเมนต์ต้องใช้ verbose JSON โดยขอระดับใดระดับหนึ่งหรือทั้งสองได้ เอกสารอ้างอิง API ระบุว่าการประทับเวลาเซกเมนต์ไม่เพิ่มความหน่วง ส่วนการประทับเวลาคำต้องประมวลผลเพิ่มเติม เอาต์พุตเหล่านี้ช่วยทำคำบรรยายและหาย่อหน้าระหว่างแก้ไข ส่วนคำกำกับแยกผู้พูดเป็นของโมเดลเฉพาะทางอีกตัว Whisper 1 ไม่รองรับสตรีมมิงในการถอดไฟล์เสียง เอกสารอ้างอิงยังระบุอุณหภูมิการสุ่มตั้งแต่ศูนย์ถึงหนึ่ง โดยเมื่อเป็นศูนย์ โมเดลอาจเพิ่มอุณหภูมิอัตโนมัติเมื่อเกณฑ์การถอดรหัสกำหนดไว้ นี่เป็นคำอธิบายตัวควบคุมการประมวลผลของผู้พัฒนา ไม่ใช่คำรับรองว่าเสียงบันทึกทุกไฟล์จะให้ข้อความถอดเสียงเหมือนเดิมหรือแม่นยำสมบูรณ์แบบ กำหนดผลงานสุดท้ายให้ชัดเจนว่าเป็นข้อความถอดเสียงสำหรับค้นหา ไฟล์คำบรรยาย หรือข้อความที่มีเวลาระดับคำหรือเซกเมนต์ เก็บเสียงบันทึกต้นฉบับ ลำดับชังก์ และการอ้างอิงเวลาต้นทางที่เกี่ยวข้องไว้กับผลลัพธ์ ขั้นตอนแก้ไขข้อความภายหลังอาจแก้คำสะกดหรือเตรียมสรุปได้ แต่ต้องเปรียบเทียบการเปลี่ยนแปลงกับเสียงเพื่อรักษาความหมายของผู้พูด ข้อความที่รู้จำได้เป็นหลักฐานสำหรับงานถัดไป ไม่ใช่คำตอบที่สร้างขึ้นเพื่อตอบคำถามในเสียงพูด **Ailoot Ultra · การรู้จำเสียงพูด** `POST /v1/audio/transcriptions` `openai/whisper-1` [`openai/whisper-1`](https://ailoot.ai/models/th/#m=openai%2Fwhisper-1&route=Ultra&caller=openai%2Fwhisper-1&fmt=transcriptions) OpenAI /`openai/whisper-1` ### เริ่มต้น Whisper 1 ถอดไฟล์เสียงที่บันทึกเสร็จแล้วเป็นข้อความ พร้อมการรู้จำหลายภาษาและการประทับเวลาระดับคำหรือเซกเมนต์ ผู้พัฒนารองรับรูปแบบคำบรรยายและขั้นตอนแปลเป็นอังกฤษแยกต่างหาก โดยผลถอดเสียงคงภาษาของเสียงบันทึกไว้ อินพุตที่รองรับ เสียง ผลลัพธ์ transcription ### ใช้งานได้ใน Ailoot · อินพุตและเมธอด **Ailoot Ultra · การรู้จำเสียงพูด** `POST /v1/audio/transcriptions` ขาเข้า `audio` ขาออก `transcription` รูปแบบเอาต์พุต json | ฟิลด์ | ประเภท | ข้อกำหนด | ค่าและข้อจำกัด | ค่าเริ่มต้น | | --- | --- | --- | --- | --- | | ฟิลด์`model` | ประเภท`string` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด openai/whisper-1 | ค่าเริ่มต้น— | | ฟิลด์`file` | ประเภท`file` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด ประเภทเนื้อหา: multipart/form-data | ค่าเริ่มต้น— | | ฟิลด์`response_format` | ประเภท`string` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด json | ค่าเริ่มต้น— | | ฟิลด์`input_audio.data` | ประเภท`base64_string` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด ใช้เมื่อ: ข้อมูลขาเข้า JSON ของ WhisperOR | ค่าเริ่มต้น— | | ฟิลด์`input_audio.format` | ประเภท`string` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด wav, mp3, flac, ogg, m4a, webm ใช้เมื่อ: ข้อมูลขาเข้า JSON ของ WhisperOR | ค่าเริ่มต้น— | ชุดผสมของสื่ออินพุต · จำเป็น: model, file พารามิเตอร์และวงจรการทำงานของเมธอด | พารามิเตอร์ | ข้อกำหนด | | --- | --- | | พารามิเตอร์`contours` | ข้อกำหนด{"content\_types":\["application/json","multipart/form-data"\],"required\_json":\["model","input\_audio.data","input\_audio.format"\],"required\_multipart":\["model","file"\],"file\_formats":\["wav","mp3","flac","ogg","m4a","webm"\],"response\_format\_optional":\["json"\]}, {"content\_types":\["multipart/form-data"\],"required":\["model","file"\],"file\_formats":\["mp3"\],"response\_format\_option":false} | | พารามิเตอร์`max_bytes` | ข้อกำหนด26214400 | | พารามิเตอร์`material_types` | ข้อกำหนดaudio | วงจรการทำงาน: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · ค่า task\_id ที่ส่งกลับมาจริง หรือระเบียนในคลังสื่อ `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ใช้เสียงบันทึกจริงและรูปแบบที่ตรงกัน เก็บข้อความถอดเสียงทั้งหมด ช่วงข้อความ ID ผู้พูด และเวลา ### 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 | #### รายละเอียดอัตราอ้างอิง ตารางอัตราอ้างอิงระดับโมเดลไม่เปลี่ยนเมธอดที่เลือก ยอดประมาณการ หรือค่าบริการ การคิดค่าบริการจริงใช้อัตราของเมธอด Ailoot ที่เลือก OpenAI: Whisper 1 #### ราคาตามการตั้งค่า | การตั้งค่า | เงื่อนไขคิดค่าบริการ | ค่าบริการ | | --- | --- | --- | | การตั้งค่าOpenAI: Whisper 1 · การตั้งค่าเริ่มต้น | เงื่อนไขคิดค่าบริการการตั้งค่าเริ่มต้น | ค่าบริการ ขาเข้า · วินาทีเสียงขาเข้า **US$0.0002** ต่อวินาทีของเสียงอินพุต | Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย [วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →](https://ailoot.ai/docs/th/billing/reserve/) ### ตัวอย่างคำขอ #### Ailoot Ultra · การรู้จำเสียงพูด curl ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set the path to your actual MP3 recording}" export AILOOT_AUDIO_FILE python3 - <<'PY_REQUEST' import os from pathlib import Path p=Path(os.environ["AILOOT_AUDIO_FILE"]) if not p.is_file() or p.suffix.lower()!=".mp3":raise SystemExit("Choose an existing MP3 recording") PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \ -H "Authorization: Bearer $AILOOT_API_KEY" \ --form-string model=openai/whisper-1 -F "file=@$AILOOT_AUDIO_FILE" \ -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("result.json").read_text()))) PY_RESULT ``` ### รับและบันทึกผลลัพธ์ #### Ailoot Ultra · การรู้จำเสียงพูด json - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` การอ่านเนื้อหาแบบอื่น คลังสื่อสถานะงานรายละเอียดไฟล์สื่อ ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \ -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}" export AILOOT_MEDIA_TASK_ID resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))') curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \ -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("media-task.json").read_text()))) PY_RESULT ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}" export AILOOT_ASSET_ID resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))') curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \ -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("media-asset.json").read_text()))) PY_RESULT ``` ##### เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน เก็บ JSON ทั้งหมด ไม่ใช่เฉพาะข้อความ คงช่วงข้อความ/ผู้พูด/เวลาทุกรายการที่มีและตัวตนงาน/แอสเซ็ตจริงไว้ ##### เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ เก็บ operation\_id/X-Client-Request-ID เดิมไว้เพื่อกระทบยอดโดยไม่ส่งคำขอซ้ำ ไม่มีเส้นทางเฉพาะสำหรับตรวจสอบสถานะงานเสียงเป็นระยะ ฟิลด์การตอบกลับ | ฟิลด์ | ประเภท | | --- | --- | | ฟิลด์`text` | ประเภทstring | | ฟิลด์`segments[]` | ประเภทobject | | ฟิลด์`task_id` | ประเภทstring | | ฟิลด์`asset_url` | ประเภทstring | | ฟิลด์`usage` | ประเภทobject | ข้อผิดพลาดและขั้นตอนถัดไป | การตอบกลับ | เงื่อนไข | ขั้นตอนถัดไป | | --- | --- | --- | | การตอบกลับ400 · `invalid_request_error` | เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง | ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่ | | การตอบกลับ`server_error` | เงื่อนไขการตอบกลับที่ได้รับระบุว่าต้องตรวจสอบการดำเนินการหรือผลลัพธ์ | ขั้นตอนถัดไปเก็บ ID การดำเนินการ/งานที่ส่งกลับมาแต่เดิม ส่วนหัวของคำขอ และการตอบกลับไว้ แล้วอ่านข้อมูลการดำเนินการเดิมนั้นต่อด้วยวิธีที่รองรับ ห้ามส่งคำขอสร้างซ้ำ | ### ชื่ออื่น #### ชื่ออื่นของโมเดล **Ailoot Ultra** [`openai/whisper-1`](https://ailoot.ai/models/th/#m=openai%2Fwhisper-1&route=Ultra&caller=openai%2Fwhisper-1&fmt=transcriptions) #### ชื่อพาธเมธอดอื่น ใช้พาธเมธอดที่แสดงด้านบน #### ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล [`openai/whisper-1`](https://ailoot.ai/models/th/#m=openai%2Fwhisper-1&route=Ultra&caller=openai%2Fwhisper-1&fmt=transcriptions) FAQ · OpenAI: Whisper 1 มีอินพุตและผลลัพธ์ใดบ้าง? `POST /v1/audio/transcriptions` · `openai/whisper-1`: `audio` → `transcription` คำขอใช้ฟิลด์ใดบ้าง? `POST /v1/audio/transcriptions` · `openai/whisper-1`: `model`, `file`, `response_format` 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