Transcribe Audio

แปลงคำพูดเป็นข้อความโดยใช้การถอดเสียงที่ขับเคลื่อนด้วย AI (faster-whisper) รองรับรูปแบบผลลัพธ์เป็นข้อความธรรมดา SRT และ VTT พร้อมการเลือกภาษาแบบอัตโนมัติหรือด้วยตนเอง

API Endpoint

POST /api/v1/tools/audio/transcribe-audio

รับข้อมูล multipart form ที่มีไฟล์เสียงและฟิลด์ JSON settings

Parameters

Parameter	Type	Required	Default	Description
language	string	No	"auto"	ภาษา: auto, en, de, fr, es, zh, ja, ko, id, th, vi
outputFormat	string	No	"txt"	รูปแบบผลลัพธ์: txt, srt, vtt

Example Request

curl -X POST http://localhost:1349/api/v1/tools/audio/transcribe-audio \
  -H "Authorization: Bearer si_your-api-key" \
  -F "[email protected]" \
  -F 'settings={"language": "en", "outputFormat": "srt"}'

Example Response

นี่คือเครื่องมือแบบ async API จะส่งคืน 202 Accepted ทันที:

{
  "jobId": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
  "async": true
}

ติดตามความคืบหน้าผ่าน SSE ที่ GET /api/v1/jobs/{jobId}/progress เมื่องานเสร็จสมบูรณ์ สตรีม SSE จะส่งมอบผลลัพธ์สุดท้ายพร้อม downloadUrl

Notes

• ต้องติดตั้งชุดฟีเจอร์ transcription จะส่งคืน 501 พร้อมโค้ด FEATURE_NOT_INSTALLED ตัว feature, featureName และ estimatedSize ที่ขาดหายไป หากไม่มีชุดฟีเจอร์ดังกล่าว
• ใช้ faster-whisper สำหรับการถอดเสียง ภาษา auto จะตรวจจับภาษาที่พูดโดยอัตโนมัติ
• รูปแบบ srt และ vtt มีการประทับเวลาสำหรับแต่ละเซกเมนต์ เหมาะสำหรับคำบรรยาย
• รูปแบบ txt ส่งคืนข้อความธรรมดาโดยไม่มีการประทับเวลา
• นี่คือเครื่องมือ AI ที่ใช้เวลานาน เวลาในการประมวลผลขึ้นอยู่กับความยาวของเสียงและฮาร์ดแวร์ของเซิร์ฟเวอร์