Source: https://ailoot.ai/models/th/openai-whisper-large-v3-turbo/
Canonical: https://ailoot.ai/models/th/openai-whisper-large-v3-turbo/
Language: th

# OpenAI: Whisper Large V3 Turbo

[Markdown](https://ailoot.ai/models/th/openai-whisper-large-v3-turbo/index.md) · [JSON](https://ailoot.ai/models/th/openai-whisper-large-v3-turbo/facts.json)

## [OpenAI: Whisper Large V3 Turbo](https://ailoot.ai/models/th/openai-whisper-large-v3-turbo/)

Whisper large-v3-turbo เป็นรุ่นถอดเสียงที่เปิดเผยน้ำหนักของ OpenAI ซึ่งทำงานเร็วขึ้นและพัฒนาต่อจาก large-v3 มีดีโคเดอร์สี่ชั้นและ 809 ล้านพารามิเตอร์ มุ่งใช้แปลงเสียงพูดหลายภาษาเป็นข้อความ โดยเอกสารทางการของผู้พัฒนาระบุว่างานที่ Turbo ได้รับการฝึกไม่รวมการแปลเสียงพูดเป็นภาษาอังกฤษ

- [**Ailoot Ultra · การถอดเสียง** `POST /v1/audio/transcriptions` `openai/whisper-large-v3-turbo`](https://ailoot.ai/models/th/openai-whisper-large-v3-turbo/#method-0)

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

Whisper large-v3-turbo หรือ Turbo เป็นโมเดลถอดเสียงที่ปรับให้มีประสิทธิภาพของ OpenAI ซึ่งพัฒนาต่อจาก Whisper large-v3 ดีโคเดอร์ลดจาก 32 ชั้นเหลือสี่ชั้น ขณะที่เอนโคเดอร์ยังมี 32 ชั้น โมเดลที่เผยแพร่มีประมาณ 809 ล้านพารามิเตอร์ ผู้พัฒนามุ่งให้รู้จำเสียงพูดเร็วขึ้นโดยยอมแลกความแม่นยำเล็กน้อย ไม่ใช่เพิ่มโหมดสร้างเสียงอีกแบบ อินพุตคือเสียงพูดที่บันทึกไว้ และผลลัพธ์คือข้อความที่รู้จำได้

ประกาศเผยแพร่แยกวิธีเตรียม Turbo ออกจากโมเดล Whisper อีกตัวที่ผ่านการกลั่นความรู้ต่างหาก Turbo ได้รับการปรับจูนเพิ่มเติมอีกสองเอพ็อกด้วยข้อมูลถอดเสียงหลายภาษา โดยไม่รวมข้อมูลแปลภาษา ความแตกต่างนี้สำคัญต่อการใช้งานจริง ที่เก็บโค้ดของ OpenAI ระบุว่า Turbo ไม่ได้ฝึกให้แปลเสียงพูดที่ไม่ใช่ภาษาอังกฤษเป็นภาษาอังกฤษ และอาจคืนภาษาต้นฉบับแม้ร้องของานแปล ใช้รุ่นนี้สำหรับถอดเสียงเป็นภาษาเดียวกับต้นฉบับ หากต้องแปล ควรใช้โมเดลอื่นที่เหมาะสมหรือทำเป็นขั้นตอนแยกหลังถอดเสียง

การตรวจจับภาษาต้นฉบับและการเลือกภาษาอย่างชัดเจนยังเป็นตัวเลือกที่มีประโยชน์ในการถอดเสียง หากทราบภาษาของเสียงบันทึกอยู่แล้ว ให้ระบุในบรีฟ หากไม่ทราบ ขั้นตอนตามเอกสารสามารถตรวจจับได้ คงชื่อ จำนวน และถ้อยคำที่พูดจริงก่อนขอปรับแก้เชิงบรรณาธิการ จากนั้นจึงนำบันทึกประชุม บทสัมภาษณ์ หรือข้อความการบรรยายไปค้นหา ใส่หมายเหตุ หรือสรุปในงานภายหลัง ไม่ควรสับสนงานรู้จำของ Turbo กับการสังเคราะห์เสียง การเลียนเสียงผู้พูด หรือการประเมินเชิงความหมายเกี่ยวกับบุคคลในเสียงบันทึก

ตัวโหลดเสียงของ OpenAI ถอดรหัสไฟล์อินพุตเป็นตัวอย่างเสียงโมโนที่ 16 kHz และโมเดลใช้หน้าต่างเสียง 30 วินาทีพร้อมช่องความถี่ Mel 128 ช่อง เสียงบันทึกที่ยาวกว่านี้ต้องใช้การอนุมานสำหรับเสียงยาว การประมวลผลแบบลำดับจะเลื่อนผ่านหน้าต่างตามลำดับ ส่วนแบบแบ่งชังก์จะถอดเสียงส่วนที่ซ้อนทับกันและเชื่อมขอบเขตเข้าด้วยกัน โมเดลการ์ดเสนอแบบหลังว่าเหมาะเมื่อประมวลผลไฟล์ยาวไฟล์เดียวและให้ความสำคัญกับเวลาจนได้ผลลัพธ์เป็นหลัก ส่วนแบบลำดับเป็นทางเลือกที่เน้นความแม่นยำ ทั้งหน้าต่างและชื่อโมเดลไม่ได้กำหนดขนาดไฟล์สูงสุดแบบตายตัวสำหรับการอัปโหลดไปยังบริการที่โฮสต์ไว้

การกำหนดค่าของ Turbo โดยตรงระบุตำแหน่งดีโคเดอร์ 448 ตำแหน่งสำหรับลำดับการถอดรหัสหนึ่งชุด ขั้นตอนการอนุมานตามเอกสารอาจรวมเวลาของแต่ละช่วงหรือแต่ละคำพร้อมข้อความถอดเสียง ข้อมูลเวลาช่วยเลื่อนไปยังส่วนที่ต้องการและจัดรูปแบบคำบรรยายภายหลัง แต่ไม่ได้เพิ่มรูปแบบไฟล์คำบรรยายหรือป้ายระบุผู้พูดที่เชื่อถือได้โดยอัตโนมัติ ระบุว่าต้องการข้อความถอดเสียงธรรมดาหรือช่วงข้อความพร้อมเวลา และเก็บเสียงต้นฉบับไว้เพื่อตรวจข้อความที่มีข้อโต้แย้ง การประมวลผลเสียงยาวและการจัดรูปแบบสุดท้ายแยกจากเอกลักษณ์ของเช็กพอยต์

Turbo ลดงานถอดรหัส แต่เวลาที่ใช้จริงขึ้นกับฮาร์ดแวร์ ความยาวเสียง ภาษา ความเร็วการพูด และวิธีอนุมาน ผู้พัฒนาระบุว่าคุณภาพลดลงมากกว่าในบางภาษา เช่น ไทยและกวางตุ้ง ไม่ได้มีพฤติกรรมสม่ำเสมอเหมือนกันทุกภาษา เปรียบเทียบช่วงตัวอย่างที่เป็นตัวแทนในภาษาที่ต้องการ ก่อนถือว่าการแลกเปลี่ยนเพื่อความเร็วนี้เหมาะกับทุกเนื้อหา สำหรับงานประมวลผลคลังเสียง ให้ตัวอย่างตรวจทานมีคำศัพท์ยาก ช่วงหยุด เสียงรบกวน หรือการพูดซ้อน ไม่ใช่เพียงประโยคเปิดที่ชัดเจน

การ์ดที่เผยแพร่ระบุข้อจำกัดสำคัญในการรู้จำของ Whisper: ข้อความที่คาดการณ์อาจมีคำที่ไม่ได้พูดจริง และอาจมีข้อความซ้ำ ผลลัพธ์ต่างกันตามภาษา สำเนียง และภาษาถิ่น โดยเฉพาะส่วนที่ข้อมูลฝึกครอบคลุมจำกัด การ์ดไม่ได้ยืนยันว่าการแยกผู้พูดหรือจำแนกผู้พูดของโมเดลพื้นฐานเป็นความสามารถมาตรฐานที่เชื่อถือได้ การตรวจทานเชิงปฏิบัติควรเน้นความตรงกับต้นฉบับ ได้แก่ ชื่อและตัวเลขสำคัญ เสียงพูดที่ตกหล่น ข้อความที่เกิดขึ้นโดยไม่คาดหมายระหว่างความเงียบ และข้อความซ้ำ แม้ข้อความถอดเสียงจะอ่านง่าย ก็ยังเป็นผลลัพธ์ที่ต้องเทียบกับเสียงบันทึก ไม่ใช่การรับประกันว่าจะรู้จำได้ตรงทั้งหมด

ชิ้นงานสำเร็จที่มีประโยชน์คือข้อความถอดเสียงในภาษาต้นฉบับ พร้อมข้อมูลเวลาที่ร้องขอและการเชื่อมโยงกับเสียงบันทึกอย่างชัดเจน เก็บเวอร์ชันที่รู้จำได้แยกจากเวอร์ชันที่แก้ไขเพื่อเผยแพร่ เพื่อให้ติดตามการเปลี่ยนแปลงได้ คงชื่อ large-v3-turbo เมื่อเปรียบเทียบรุ่น เพราะไม่ใช่โมเดล large-v3 เต็มรูปแบบ และไม่ควรนำงานแปลเป็นภาษาอังกฤษของ large-v3 มาใช้กับมันโดยไม่ระบุให้ชัด เอกลักษณ์ของโมเดลที่เปิดเผยน้ำหนักนี้ยังไม่ได้รวมขีดจำกัดการอัปโหลด โครงสร้างข้อมูลตอบกลับ หรือคำมั่นด้านสตรีมสดของบริการ whisper-1 ที่โฮสต์ไว้ เลือก Turbo เมื่อการแลกเปลี่ยนด้านการถอดเสียงตามเอกสารเหมาะกับเนื้อหาจริงและเวลาที่ต้องการได้ผลลัพธ์

**Ailoot Ultra · การถอดเสียง** `POST /v1/audio/transcriptions` `openai/whisper-large-v3-turbo`

[`openai/whisper-large-v3-turbo`](https://ailoot.ai/models/th/#m=openai%2Fwhisper-large-v3-turbo&route=Ultra&caller=openai%2Fwhisper-large-v3-turbo&fmt=transcriptions)

OpenAI /`openai/whisper-large-v3-turbo`

### เริ่มต้น

Whisper large-v3-turbo เป็นรุ่นถอดเสียงที่เปิดเผยน้ำหนักของ OpenAI ซึ่งทำงานเร็วขึ้นและพัฒนาต่อจาก large-v3 มีดีโคเดอร์สี่ชั้นและ 809 ล้านพารามิเตอร์ มุ่งใช้แปลงเสียงพูดหลายภาษาเป็นข้อความ โดยเอกสารทางการของผู้พัฒนาระบุว่างานที่ Turbo ได้รับการฝึกไม่รวมการแปลเสียงพูดเป็นภาษาอังกฤษ

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 openai/whisper-large-v3-turbo | 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 **$0.00000666** 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': 'openai/whisper-large-v3-turbo', '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** [`openai/whisper-large-v3-turbo`](https://ailoot.ai/models/th/#m=openai%2Fwhisper-large-v3-turbo&route=Ultra&caller=openai%2Fwhisper-large-v3-turbo&fmt=transcriptions)

#### ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

#### ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

[`openai/whisper-large-v3-turbo`](https://ailoot.ai/models/th/#m=openai%2Fwhisper-large-v3-turbo&route=Ultra&caller=openai%2Fwhisper-large-v3-turbo&fmt=transcriptions)

FAQ · OpenAI: Whisper Large V3 Turbo

มีอินพุตและผลลัพธ์ใดบ้าง?

`POST /v1/audio/transcriptions` · `openai/whisper-large-v3-turbo`: `audio` → `text`

คำขอใช้ฟิลด์ใดบ้าง?

`POST /v1/audio/transcriptions` · `openai/whisper-large-v3-turbo`: `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