ถอดเสียงภาษาไทยเป็นข้อความ ฟรี แม่นยำ ทำงานในเครื่อง

คำตอบสั้นๆ: pip install babelscribe แล้วสั่ง babelscribe คลิป.mp4 -l th --accurate จะได้ไฟล์ซับ .srt ภาษาไทยข้างไฟล์วิดีโอ ไม่มีการอัปโหลดไฟล์ไปไหน

แม่นแค่ไหน

วัดบนชุดทดสอบ FLEURS ของ Google (ภาษาไทย 50 ประโยค) ด้วยอัตราความผิดพลาดระดับตัวอักษร (CER) ยิ่งน้อยยิ่งดี

โมเดล	CER
Whisper large-v3-turbo (ค่าเริ่มต้น)	15.9%
Whisper large-v3	11.5%
Typhoon Whisper	11.9%
Thonburian Whisper (`--text-model thai-thonburian`)	9.1%
Pathumma Whisper ของ NECTEC (`--accurate`)	8.9%

กับคลิป TEDxBangkok ยาว 14 นาทีที่พูดเร็วและมีศัพท์วัยรุ่น ความผิดพลาดลดจาก 22.7% เหลือ 16.4%

ทำไมแม่นขึ้น

โมเดลที่ฝึกเฉพาะภาษาไทยสะกดคำไทยได้ดีกว่ามาก แต่มักบอกเวลาของแต่ละช่วงไม่ได้ babelscribe จึงใช้ โหมดไฮบริด คือเอาข้อความจาก Pathumma Whisper แล้วเอาเวลาจาก Whisper turbo มาจับคู่กันทีละตัวอักษร และตัดซับเฉพาะตรงรอยต่อคำ (ใช้ pythainlp) จะได้ไม่มีคำไทยขาดกลางคำ

ใช้งาน

pip install babelscribe
babelscribe คลิป.mp4 -l th              # เร็ว
babelscribe คลิป.mp4 -l th --accurate   # แม่นที่สุด (ช้ากว่า)
babelscribe คลิป.mp4 -l th -f srt,txt   # ได้ทั้งซับและข้อความล้วน

ไม่อยากพิมพ์คำสั่ง: ติดตั้ง babelscribe ใน Claude Desktop แล้วพิมพ์ในแชทว่า “ทำซับไทยให้คลิปล่าสุดในโฟลเดอร์ดาวน์โหลด” ได้เลย

คำถามที่พบบ่อย

ถอดเสียงภาษาไทยฟรีโปรแกรมไหนแม่นที่สุด

จากการวัดบน FLEURS ของ Google การใช้ Pathumma Whisper ของ NECTEC ผ่าน babelscribe --accurate ได้ CER 8.9% เทียบกับ Whisper turbo ปกติที่ 15.9%

ต้องมีการ์ดจอ NVIDIA ไหม

ไม่ต้อง ใช้ได้กับการ์ด AMD Radeon, Intel Arc, NVIDIA และ Mac (Apple Silicon) หรือใช้ CPU ก็ได้แต่ช้ากว่า

ไฟล์ถูกอัปโหลดไปที่ไหนไหม

ไม่ ทุกอย่างทำงานในเครื่องของคุณเอง ดาวน์โหลดแค่โปรแกรมและโมเดลครั้งแรก

ทำซับไทยให้คลิป YouTube หรือ TikTok ได้ไหม

ได้ ถ้ามีไฟล์วิดีโอในเครื่อง babelscribe จะสร้างไฟล์ .srt ที่นำไปอัปโหลดเป็นคำบรรยายได้ทันที

babelscribe is free and open source (MIT) · Privacy