🇹🇭 การแปลงเสียงพูดเป็นข้อความ (ASR) ภาษาไทย - โมเดลพื้นฐาน

1 ICต่อ 60 วินาที

v3.0 ใช้งานอยู่ POST /v3/store/speech/speech-to-text/base

ยินดีต้อนรับสู่ Thai ASR Base - บริการรู้จำเสียงพูดอัตโนมัติภาษาไทยมาตรฐานของเรา เวอร์ชันนี้ให้ความเร็วในการประมวลผลที่รวดเร็ว พร้อมรักษาความแม่นยำที่ดีสำหรับการใช้งานทั่วไป

ทดลองใช้งาน Demo

ทดลองใช้ AI Demo

เข้าสู่ระบบหรือสร้างบัญชีฟรีเพื่อใช้งาน AI Demo และสำรวจ API ที่ทรงพลังของเรา

รับ 50 เครดิตฟรี (IC) เมื่อสมัครสมาชิก!

โปรโมชันหมดเขต 31 ธันวาคม 2568

สร้างบัญชีฟรีเข้าสู่ระบบ

Example File (Click to try)

Selected: 2ppl.wav

API Key

Log in to use your API keys or Create an account

Endpoint URL

cURL Command

เลือกขนาด Chunk ของคุณ

Upload Audio File

เริ่มต้นใช้งาน

1. ข้อกำหนดเบื้องต้น

   • API key จาก บริษัท ไอแอพพ์เทคโนโลยี จำกัด
   • ไฟล์เสียงในรูปแบบที่รองรับ
   • รูปแบบที่รองรับ: MP3, WAV, AAC, M4A
   • ความยาวไฟล์สูงสุด: ไม่เกิน 30 นาที
   • ขนาดไฟล์สูงสุด: 1GB

2. เริ่มต้นใช้งานอย่างรวดเร็ว

   • การประมวลผลที่รวดเร็วด้วยเวลาตอบสนอง 0.3 วินาที
   • ความแม่นยำสูง (ความแม่นยำ WER 85.48%)
   • รองรับภาษาไทย

3. คุณสมบัติหลัก

   • การดึงข้อความจากไฟล์เสียง
   • การระบุผู้พูด
   • ความเร็วในการประมวลผลสูง
   • รูปแบบการตอบสนอง JSON ที่ยืดหยุ่น

4. ความปลอดภัยและการปฏิบัติตามข้อกำหนด

   • เป็นไปตาม GDPR และ PDPA
   • ไม่มีการเก็บข้อมูลหลังการประมวลผล

วิธีรับ API Key?

กรุณาไปที่หน้า การจัดการ API Key เพื่อดู API Key ที่มีอยู่ของคุณ หรือขอ API Key ใหม่

API Endpoints

Endpoint	Method	คำอธิบาย	ราคา
/v3/store/speech/speech-to-text/base เก่า: /asr/v3	POST	แปลงเสียงพูดภาษาไทยเป็นข้อความ (โมเดลพื้นฐาน)	1 IC ต่อ 60 วินาที

API Reference

Endpoint

POST https://api.iapp.co.th/v3/store/speech/speech-to-text/base

Headers

• apikey (จำเป็น): API key ของคุณสำหรับการยืนยันตัวตน
• Headers อื่นๆ จะถูกสร้างโดย FormData

Request Parameters

Parameter	Type	คำอธิบาย
file*	File (.mp3, .wav, .aac, .m4a)	ไฟล์เสียงที่จะแปลงเป็นข้อความ (ไม่เกิน 30 นาที)
chunk_size	Integer	ขนาด chunk ของเสียง (แนะนำ: 7)

ตัวอย่างโค้ด

Curl

curl -X POST https://api.iapp.co.th/v3/store/speech/speech-to-text/base \
    -H "apikey: YOUR_API_KEY" \
    -F "file=@/path/to/file.jpg"

Python

import requests

url = "https://api.iapp.co.th/v3/store/speech/speech-to-text/base"

payload = {'use_asr_pro': '0', 'chunk_size': '7'}
files=[
('file',('{YOUR_UPLOADED_FILE}',open('{YOUR_UPLOADED_FILE_PATH}','rb'),'application/octet-stream'))
]
headers = {
'apikey': '{YOUR_API_KEY}'
}

response = requests.request("POST", url, headers=headers, data=payload, files=files)

print(response.text)

Javascript

const axios = require("axios")
const FormData = require("form-data")
const fs = require("fs")
let data = new FormData()
data.append("file", fs.createReadStream("YOUR_UPLOADED_FILE"))
data.append("use_asr_pro", "0") // ตั้งค่าเป็น '1' สำหรับ iApp ASR PRO
data.append("chunk_size", "7")

let config = {
    method: "post",
    maxBodyLength: Infinity,
    url: "https://api.iapp.co.th/v3/store/speech/speech-to-text/base",
    headers: {
        apikey: "{YOUR_API_KEY}",
        ...data.getHeaders(),
    },
    data: data,
}

axios
    .request(config)
    .then((response) => {
        console.log(JSON.stringify(response.data))
    })
    .catch((error) => {
        console.log(error)
    })

PHP

<?php

$curl = curl_init();

curl_setopt_array($curl, array(
  CURLOPT_URL => 'https://api.iapp.co.th/v3/store/speech/speech-to-text/base',
  CURLOPT_RETURNTRANSFER => true,
  CURLOPT_ENCODING => '',
  CURLOPT_MAXREDIRS => 10,
  CURLOPT_TIMEOUT => 0,
  CURLOPT_FOLLOWLOCATION => true,
  CURL_HTTP_VERSION => CURL_HTTP_VERSION_1_1,
  CURLOPT_CUSTOMREQUEST => 'POST',
  CURLOPT_POSTFIELDS => array('file'=> new CURLFILE('{YOUR_UPLOADED_FILE}'),
  'use_asr_pro' => '0',
  'chunk_size' => '7'),
  CURLOPT_HTTPHEADER => array(
    'apikey: {YOUR_API_KEY}'
  ),
));

$response = curl_exec($curl);

curl_close($curl);
echo $response;

Swift

let parameters = [
  [
    "key": "file",
    "src": "{YOUR_UPLOADED_FILE}",
    "type": "file"
  ],
  [
    "key": "use_asr_pro",
    "value": "0",
    "type": "text"
  ],
  [
    "key": "chunk_size",
    "value": "7",
    "type": "text"
  ]] as [[String: Any]]

let boundary = "Boundary-\(UUID().uuidString)"
var body = Data()
var error: Error? = nil
for param in parameters {
  if param["disabled"] != nil { continue }
  let paramName = param["key"]!
  body += Data("--\(boundary)\r\n".utf8)
  body += Data("Content-Disposition:form-data; name=\"\(paramName)\"".utf8)
  if param["contentType"] != nil {
    body += Data("\r\nContent-Type: \(param["contentType"] as! String)".utf8)
  }
  let paramType = param["type"] as! String
  if paramType == "text" {
    let paramValue = param["value"] as! String
    body += Data("\r\n\r\n\(paramValue)\r\n".utf8)
  } else {
    let paramSrc = param["src"] as! String
    let fileURL = URL(fileURLWithPath: paramSrc)
    if let fileContent = try? Data(contentsOf: fileURL) {
      body += Data("; filename=\"\(paramSrc)\"\r\n".utf8)
      body += Data("Content-Type: \"content-type header\"\r\n".utf8)
      body += Data("\r\n".utf8)
      body += fileContent
      body += Data("\r\n".utf8)
    }
  }
}
body += Data("--\(boundary)--\r\n".utf8);
let postData = body


var request = URLRequest(url: URL(string: "https://api.iapp.co.th/v3/store/speech/speech-to-text/base")!,timeoutInterval: Double.infinity)
request.addValue("{YOUR_API_KEY}", forHTTPHeaderField: "apikey")
request.addValue("multipart/form-data; boundary=\(boundary)", forHTTPHeaderField: "Content-Type")

request.httpMethod = "POST"
request.httpBody = postData

let task = URLSession.shared.dataTask(with: request) { data, response, error in
  guard let data = data else {
    print(String(describing: error))
    return
  }
  print(String(data: data, encoding: .utf8)!)
}

task.resume()

Kotlin

val client = OkHttpClient()
val mediaType = "text/plain".toMediaType()
val body = MultipartBody.Builder().setType(MultipartBody.FORM)
  .addFormDataPart("file","{YOUR_UPLOADED_FILE}",
    File("{YOUR_UPLOADED_FILE_PATH}").asRequestBody("application/octet-stream".toMediaType()))
  .addFormDataPart("use_asr_pro","0")
  .addFormDataPart("chunk_size","7")
  .build()
val request = Request.Builder()
  .url("https://api.iapp.co.th/v3/store/speech/speech-to-text/base")
  .post(body)
  .addHeader("apikey", "{YOUR_API_KEY}")
  .build()
val response = client.newCall(request).execute()

Java

OkHttpClient client = new OkHttpClient().newBuilder()
  .build();
MediaType mediaType = MediaType.parse("text/plain");
RequestBody body = new MultipartBody.Builder().setType(MultipartBody.FORM)
  .addFormDataPart("file","{YOUR_UPLOADED_FILE}",
    RequestBody.create(MediaType.parse("application/octet-stream"),
    new File("{YOUR_UPLOADED_FILE_PATH}")))
  .addFormDataPart("use_asr_pro","0")
  .addFormDataPart("chunk_size","7")
  .build();
Request request = new Request.Builder()
  .url("https://api.iapp.co.th/v3/store/speech/speech-to-text/base")
  .method("POST", body)
  .addHeader("apikey", "{YOUR_API_KEY}")
  .build();
Response response = client.newCall(request).execute();

Dart

var headers = {
  'apikey': '{YOUR_API_KEY}'
};
var request = http.MultipartRequest('POST', Uri.parse('https://api.iapp.co.th/v3/store/speech/speech-to-text/base'));
request.fields.addAll({
  'use_asr_pro': '0',
  'chunk_size': '7'
});
request.files.add(await http.MultipartFile.fromPath('file', '{YOUR_UPLOADED_FILE'));
request.headers.addAll(headers);

http.StreamedResponse response = await request.send();

if (response.statusCode == 200) {
  print(await response.stream.bytesToString());
}
else {
  print(response.reasonPhrase);
}

ความแม่นยำและประสิทธิภาพ

ความแม่นยำโดยรวม

ผลการทดสอบเปรียบเทียบกับชุดข้อมูลทดสอบภาษาไทยจาก Mozilla Common Voice เราได้ประเมินประสิทธิภาพของ iApp ASR ในชุดข้อมูลทดสอบสองเวอร์ชัน

• เงื่อนไขการทดสอบ

  1. ชุดข้อมูลที่ไม่เคยเห็นมาก่อน
  2. ภาษาไทยเท่านั้น
  3. ความหลากหลายของผู้พูด: ชาย, หญิง, เด็ก

• ชุดข้อมูลทดสอบ Mozilla Common Voice 16.1 ภาษาไทย (เวอร์ชัน 1)

  เยี่ยมชมชุดข้อมูลบน Hugging Face

  ผลลัพธ์:

  • ขนาดชุดข้อมูลทดสอบ: 11,038 ตัวอย่างทดสอบ
  • อัตราข้อผิดพลาดของคำเฉลี่ย: 1.11%
  • อัตราข้อผิดพลาดของคำเฉลี่ย (ไม่มีเว้นวรรค): 0.66%

• ชุดข้อมูลทดสอบ Mozilla Common Voice 17.0 ภาษาไทย (เวอร์ชัน 2)

  เยี่ยมชมชุดข้อมูลบน Hugging Face

  ผลลัพธ์:

  • ขนาดชุดข้อมูลทดสอบ: 11,042 ตัวอย่าง
  • อัตราข้อผิดพลาดของคำ (WER): 14.52%
  • อัตราข้อผิดพลาดของอักขระ (CER): 5.87%
  • ความแม่นยำตาม WER: 85.48%
  • ความแม่นยำตาม CER: 94.13%

ความเร็วในการประมวลผล

• เวลาตอบสนองเฉลี่ย: 0.3 วินาที
• เร็วกว่าผู้ให้บริการรายอื่นสูงสุด 15 เท่า

ผลการทดสอบโดยละเอียด (ใน Google Sheets):

ผลการทดสอบ iApp ASR Base

ราคา

ชื่อบริการ AI API	Endpoint	IC ต่อ วินาที	On-Premise
Thai Speech To Text (ASR)	iapp-asr-v3-en [โมเดลพื้นฐาน]	1 IC/60 วินาที	ติดต่อ
	iapp-asr-v3-th-en [โมเดลพื้นฐาน]	1 IC/60 วินาที