Whisper API

โมเดล AI

ถอดความบนคลาวด์รวดเร็วผ่าน OpenAI Whisper API

• เร็วกว่าการถอดความในเครื่องสำหรับไฟล์ขนาดใหญ่
• prompt แบบกำหนดเองช่วยเพิ่มความแม่นยำ
• คำแนะนำภาษาสำหรับเสียงที่ไม่ใช่ภาษาอังกฤษ

สิ่งที่คุณทำได้

• ถอดความบนคลาวด์ - Speech-to-text รวดเร็วผ่าน OpenAI Whisper API (มักเร็วกว่าในเครื่องสำหรับไฟล์ขนาดใหญ่)
• ระบุภาษา - ตั้งภาษาที่คาดหวังเพื่อความแม่นยำที่ดีขึ้นสำหรับเสียงที่ไม่ใช่ภาษาอังกฤษ
• Prompts กำหนดเอง - ระบุชื่อผู้พูด คำศัพท์เทคนิค หรือ jargon เพื่อความแม่นยำที่ดีขึ้น
• ตัวเลือกรูปแบบ - JSON (พร้อม timestamps) หรือเอาต์พุตข้อความธรรมดา
• เอาต์พุตไฟล์อัตโนมัติ - บันทึกการถอดความควบคู่กับไฟล์เสียงต้นฉบับ

ลองถาม

• "ถอดความ interview.mp3 ผ่าน API"
• "ถอดความการประชุมนี้เป็นภาษาสเปน"
• "ถอดความพร้อมบริบท: ผู้พูดคือ ดร.Smith และศ.Jones พูดถึง quantum computing"
• "รับการถอดความ JSON พร้อม timestamps"
• "ถอดความสายรายงานผลประกอบการนี้พร้อมคำแนะนำคำศัพท์เฉพาะบริษัท"

เคล็ดลับ

• ต้องใช้ตัวแปรสภาพแวดล้อม OPENAI_API_KEY
• Prompt กำหนดเองช่วยเพิ่มความแม่นยำสำหรับเนื้อหาเฉพาะโดเมนได้อย่างมาก
• คำแนะนำภาษาช่วยเมื่อคุณภาพเสียงต่ำหรือมีสำเนียง
• API มักเร็วกว่าการประมวลผลในเครื่องสำหรับไฟล์ที่นานกว่า 10 นาที
• ขนาดไฟล์สูงสุดคือ 25MB - ใช้ local Whisper สำหรับไฟล์ขนาดใหญ่กว่า
• รูปแบบ JSON รวม segment timestamps ที่มีประโยชน์สำหรับสรุปที่มีรหัสเวลา

Plans

ทักษะ โมเดล AI เพิ่มเติม

• Speech-to-Text - ถอดความเสียงในเครื่องโดยไม่มีค่า API
• Oracle - รวมไฟล์และ prompt เพื่อสืบค้นโมเดล AI ใดก็ได้
• Gemini - สืบค้นด่วนแบบครั้งเดียวกับโมเดล Google Gemini
• Model Usage - ติดตามค่าใช้จ่ายและการใช้งาน token ของโมเดล AI
• Google Keep - บันทึก จัดระเบียบ และดึงบันทึกย่อและรายการตรวจสอบ
• Neotask Construct - ค้นหา ติดตั้ง และอัปเดตปลั๊กอินและทักษะ Neotask

Explore: Integrations · Glossary · Solutions · Use cases · Examples · Comparisons · Templates · Blog · Docs