泰语语音转文字

把泰语录音转成文字，按说话人分段并带时间戳。两个档位接受同样的请求、返回同样的响应：Base 典型响应 0.3 秒，每分钟 1 IC；Pro 以速度换准确率，字符正确率 97.81%，每分钟 2 IC。

POST/v3/store/speech/speech-to-text/base

另有 1 个端点

试一试

价格1 IC每 60 秒
累计调用317.2K次

v3.0
运行中

输入

输出POST /v3/store/speech/speech-to-text/base

output: 2 × text: สวัสดีครับ วันนี้เรามาคุยเรื่องการใช้งาน API กันนะครับ start: 0 end: 4.6 speaker: SPEAKER_00 segment: 0
audio_duration_in_seconds: 8.1
uploaded_file_name: recording.wav
processing_time_in_seconds: 0.3
iapp: seconds: 8.1

全部字段见“响应”一节其他端点：/pro 见请求

请求

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

响应

200成功。字段在"响应"一节说明。

{
  "output": [
    { "text": "สวัสดีครับ วันนี้เรามาคุยเรื่องการใช้งาน API กันนะครับ", "start": 0.0, "end": 4.6, "speaker": "SPEAKER_00", "segment": 0 },
    { "text": "ได้เลยค่ะ เริ่มจากการขอ API key ก่อนนะคะ", "start": 4.6, "end": 8.1, "speaker": "SPEAKER_01", "segment": 1 }
  ],
  "audio_duration_in_seconds": 8.1,
  "uploaded_file_name": "recording.wav",
  "processing_time_in_seconds": 0.3,
  "iapp": { "seconds": 8.1 }
}

请求

multipart/form-data，每次一个音频文件，发往所选档位的端点。

档位	端点	价格	字符错误率
Base	`POST /v3/store/speech/speech-to-text/base`	每 60 秒 1 IC	5.87%
Pro	`POST /v3/store/speech/speech-to-text/pro`	每 60 秒 2 IC	2.19%

请求头

apikeystring必填

您的 API 密钥，在控制台的 API Keys 中创建。

请求体

filefile必填

录音。MP3、WAV、AAC 或 M4A，最大 1 GB。

chunk_sizeinteger

每个处理分块的音频秒数。默认 7。

旧路径 /asr/v3 与 /asr/v3/pro 仍可用，价格相同。

响应

outputarray

全部分段，按说话顺序排列

audio_duration_in_secondsprocessing_time_in_secondsuploaded_file_name

录音长度、耗时、文件名

iappobject

计费信息

状态码

代码	含义
400	没有文件，或格式不支持
404	找不到任务
500	处理失败

详情

实测

在 Common Voice 17.0 泰语测试集上测得：11,042 条模型未见过的样本，说话人含男性、女性和儿童。

指标	Base	Pro
词错误率	14.52%，即 85.48% 的词正确	8.01%，即 91.99% 的词正确
字符错误率	5.87%，即 94.13% 的字符正确	2.19%，即 97.81% 的字符正确
响应时间，典型	0.3 秒	慢于 Base，换来更高的准确率

Base 的逐条结果：基准表格。

限制

泰语语音，两个档位每次请求最长 30 分钟。

数据处理

服务符合 GDPR 与 PDPA。

请求​

响应​

详情​

请求

响应

详情