API แปลงเสียงเป็นข้อความฟรี
API แปลงเสียงเป็นข้อความจะเปลี่ยนเสียงเป็นข้อความ Groq, Cloudflare, OVH, Mistral, Cohere และผู้ให้บริการอื่นให้การถอดเสียงฟรีพร้อมขีดจำกัด FreeLLMAPI รวมโมเดลการถอดเสียงฟรี 13 รายการไว้หลัง endpoint เดียวที่เข้ากันได้กับ OpenAI คือ /v1/audio/transcriptions เมื่อผู้ให้บริการรายหนึ่งหยุดคำขอ เราเตอร์จะลองรายถัดไป
โค้ด ชื่อโมเดล และป้ายกำกับของแคตตาล็อกสดจะแสดงเป็นภาษาอังกฤษ
โมเดลการถอดเสียงฟรีในขณะนี้
ตารางแสดงโมเดลการถอดเสียงฟรีในแคตตาล็อก FreeLLMAPI ข้อมูลมาจากแคตตาล็อกสด "Max upload" คือไฟล์ที่ใหญ่ที่สุดที่ผู้ให้บริการรับในระดับฟรี เมื่อแคตตาล็อกทราบค่านี้
| โมเดล | ผู้ให้บริการ | ขนาดอัปโหลดสูงสุด | ขีดจำกัดฟรี |
|---|---|---|---|
Whisper Large v3 Turbo (Groq)whisper-large-v3-turbo | Groq | 25 MB | free tier - 25 MB uploads |
Whisper Large v3 (Groq)whisper-large-v3 | Groq | 25 MB | free tier - 25 MB uploads |
Whisper Large v3 Turbo (Cloudflare Workers AI)@cf/openai/whisper-large-v3-turbo | Cloudflare Workers AI | - | Workers AI free allocation |
Whisper (Cloudflare Workers AI)@cf/openai/whisper | Cloudflare Workers AI | - | Workers AI free allocation |
Deepgram Nova-3 (Cloudflare Workers AI)@cf/deepgram/nova-3 | Cloudflare Workers AI | - | Workers AI free allocation |
Whisper Tiny English (Cloudflare Workers AI)@cf/openai/whisper-tiny-en | Cloudflare Workers AI | - | Workers AI free allocation |
Cohere Transcribe Arabic (07-2026)cohere-transcribe-arabic-07-2026 | Cohere | 25 MB | free evaluation key - 1,000 calls/month shared |
Cohere Transcribe (03-2026)cohere-transcribe-03-2026 | Cohere | 25 MB | Free evaluation key — 1,000 calls/month shared; language defaults to English |
Voxtral Mini Transcribe 2 (Mistral)voxtral-mini-2602 | Mistral | 25 MB | Renewing Mistral Free-mode monthly usage shared with Studio/API/Vibe; account-specific allowance. Paid overage may apply if enabled. |
Whisper Large v3 (OVH)whisper-large-v3 | OVH AI Endpoints | 25 MB | free · anonymous 2 req/min per IP |
Whisper Large v3 Turbo (OVH)whisper-large-v3-turbo | OVH AI Endpoints | 25 MB | free · anonymous 2 req/min per IP |
Typhoon ASR Realtimetyphoon-asr-realtime | Typhoon | - | Ongoing free research API (shared rate limits) |
Typhoon Isan ASR Realtimetyphoon-isan-asr-realtime | Typhoon | - | Ongoing free research API (shared rate limits) |
ข้อมูลสดจากแคตตาล็อก FreeLLMAPI (เวอร์ชัน 2026.11.19 ตรวจสอบเมื่อ 2026-11-19) ขีดจำกัดฟรีเปลี่ยนบ่อย แคตตาล็อกถูกตรวจสอบทุกวัน
รายการส่วนใหญ่เป็นโมเดล Whisper จาก OpenAI ซึ่งผู้ให้บริการต่างรายโฮสต์ ตารางนี้ยังมี Deepgram Nova-3 บน Cloudflare, Voxtral จาก Mistral, Cohere Transcribe และ Typhoon ASR สำหรับภาษาไทย หากต้องการเปรียบเทียบเฉพาะโมเดล Whisper ให้อ่าน Free Whisper API
ใช้กฎนี้เพื่อเลือกโมเดล:
- การถอดเสียงทั่วไปหลายภาษา: Whisper Large v3 หรือ Whisper Large v3 Turbo: Turbo เร็วกว่า Large v3 มีอัตราความผิดพลาดของคำต่ำกว่าบน Groq
- คำบรรยาย: โมเดล Whisper ของ Cloudflare เพราะให้ผลลัพธ์เป็น VTT
- ภาษาอาหรับ: Cohere Transcribe Arabic ภาษาไทย: Typhoon ASR
- สำรอง: OVH Whisper ไม่ต้องใช้คีย์ แต่อนุญาตเพียง 2 คำขอต่อนาที
ขั้นตอนที่ 1: ติดตั้ง FreeLLMAPI และเพิ่มคีย์
FreeLLMAPI เป็นโอเพนซอร์ส ทำงานบนคอมพิวเตอร์ของคุณใน Docker คีย์ของผู้ให้บริการยังคงอยู่บนคอมพิวเตอร์ของคุณ
ติดตั้ง (macOS หรือ Linux)
curl -fsSL https://freellmapi.co/install.sh | bashเปิดแดชบอร์ดที่ http://localhost:3001 เพิ่มคีย์ Groq และคีย์ Cloudflare ในหน้า Keys ผู้ให้บริการทั้งสองรายให้คีย์ฟรี และทั้งคู่ให้บริการ Whisper คัดลอกคีย์รวมของคุณจากหน้าเดียวกัน
account_id:token โทเคนที่ไม่มี account ID ใช้งานไม่ได้ขั้นตอนที่ 2: ส่งไฟล์เสียง
endpoint รับการอัปโหลดแบบ multipart/form-data เหมือน OpenAI API มีสองฟิลด์ที่จำเป็น: file และ model ใช้ model=auto หรือ model=whisper-1 เพื่อให้เราเตอร์เลือกผู้ให้บริการ
curl
curl http://localhost:3001/v1/audio/transcriptions \
-H "Authorization: Bearer <unified-key>" \
-F [email protected] \
-F model=auto \
-F language=en \
-F response_format=jsonPython (OpenAI SDK)
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
with open("meeting.mp3", "rb") as audio:
result = client.audio.transcriptions.create(
model="auto", # or a model id, e.g. "whisper-large-v3-turbo"
file=audio,
language="en", # optional ISO-639-1 code; improves accuracy
prompt="FreeLLMAPI, Groq", # optional: names and terms in the audio
)
print(result.text)การตอบกลับมี header X-Provider และ header X-Model header เหล่านี้แสดงว่าผู้ให้บริการและโมเดลใดสร้างข้อความถอดเสียง
ตัวเลือกและรูปแบบผลลัพธ์
| ฟิลด์ | ค่า | หมายเหตุ |
|---|---|---|
file | ไฟล์เสียงหนึ่งไฟล์ | จำเป็น สูงสุด 25 MB ต่อการอัปโหลดแต่ละครั้งผ่าน FreeLLMAPI |
model | auto, whisper-1 หรือ ID โมเดล | จำเป็น ID โมเดลจะล็อกแถวผู้ให้บริการหนึ่งแถว |
response_format | json, text, verbose_json, vtt | ค่าเริ่มต้นคือ json srt ส่งข้อผิดพลาด 400 |
language | รหัสภาษา เช่น en | ไม่บังคับ ตั้งค่าเมื่อคุณทราบภาษา |
prompt | ข้อความ | ไม่บังคับ ใส่ชื่อและคำเฉพาะ |
temperature | 0 ถึง 1 | ไม่บังคับ ตั้งเป็น 0 เพื่อให้ผลลัพธ์คงที่ |
- verbose_json ให้ส่วนของข้อความพร้อมเวลา เมื่อผู้ให้บริการส่งส่วนของข้อความ หากผู้ให้บริการไม่มีส่วนของข้อความ คุณจะได้รูปแบบ JSON ธรรมดา
- vtt คำบรรยายมาจากผู้ให้บริการที่สร้างเองได้เท่านั้น ในแคตตาล็อก ได้แก่ โมเดล Whisper ของ Cloudflare
- srt ถูกปฏิเสธ ไม่มีผู้ให้บริการที่ตั้งค่าไว้รายใดสร้าง SRT ได้เอง และเกตเวย์ไม่แปลงให้
ขีดจำกัดฟรีและวิธีอยู่ในขีดจำกัด
ขีดจำกัดการถอดเสียงฟรีใช้หน่วยที่ต่างกัน ผู้ให้บริการบางรายนับคำขอ บางรายนับเวลาเสียงหรืองบประมาณการประมวลผลรายวัน
| ผู้ให้บริการ | ขีดจำกัดฟรี (อย่างเป็นทางการ) | หมายความว่าอย่างไรสำหรับคุณ |
|---|---|---|
| Groq | 25 MB ต่อไฟล์ในระดับฟรี คำขอที่ต่ำกว่า 10 วินาทีถูกคิดเป็น 10 วินาที | เร็ว เป็นตัวเลือกแรกที่ดีสำหรับไฟล์สั้นและปานกลาง |
| Cloudflare Workers AI | 10,000 neurons ต่อวัน Whisper Large v3 Turbo ใช้ 46.63 neurons ต่อนาทีของเสียง | ประมาณ 214 นาทีของเสียงต่อวัน หากไม่มีโมเดล Workers AI อื่นใช้งบประมาณ |
| OVH AI Endpoints | 2 คำขอต่อนาทีต่อ IP address และต่อโมเดล โดยไม่ต้องใช้คีย์ | สำรองที่ช้า อย่าใช้สำหรับงานแบบชุด |
| Cohere | คีย์ทดลอง: 1,000 การเรียก API ต่อเดือนสำหรับทุก endpoint | การเรียกใช้ร่วมกับแชตและ embedding |
- เพิ่มคีย์จากผู้ให้บริการสองรายขึ้นไป เมื่อ Groq ส่งข้อผิดพลาด 429 เราเตอร์จะส่งไฟล์ไปยังผู้ให้บริการรายถัดไป
- แปลงไฟล์ขนาดใหญ่ก่อนอัปโหลด Groq ระบุว่าโมเดลของตนลดความถี่เสียงเป็น 16 kHz โมโน ทำขั้นตอนนี้เองเพื่อให้ไฟล์เล็กลง
- แบ่งเสียงที่ยาวกว่าประมาณ 25 MB เป็นส่วน ถอดเสียงแต่ละส่วน แล้วรวมข้อความ
ทำให้ไฟล์เล็กลงด้วย ffmpeg (FLAC 16 kHz โมโน)
ffmpeg -i interview.m4a -ar 16000 -ac 1 -c:a flac interview.flacการแก้ปัญหา
| ปัญหา | สาเหตุ | วิธีแก้ |
|---|---|---|
ข้อผิดพลาด 413 file_too_large | ไฟล์ใหญ่กว่า 25 MB | แปลงเป็น 16 kHz โมโน หรือแบ่งไฟล์ |
ข้อผิดพลาด 400 model is required | ฟอร์มไม่มีฟิลด์ model | เพิ่ม -F model=auto |
ข้อผิดพลาด 400 unsupported_format | คุณขอ srt | ใช้ vtt, json, text หรือ verbose_json |
ข้อผิดพลาด 503 no_transcription_models | ไม่ได้เปิดใช้โมเดลการถอดเสียงใดเลย | เพิ่มคีย์ Groq หรือ Cloudflare แล้วรอการซิงก์แคตตาล็อก |
| คำผิดสำหรับชื่อ | โมเดลไม่รู้จักคำเหล่านี้ | ส่งชื่อในฟิลด์ prompt |
ผลลัพธ์ vtt ว่างเปล่า | ผู้ให้บริการไม่สร้าง VTT | ล็อก ID โมเดล Whisper ของ Cloudflare |
คำถามที่พบบ่อย
มี API แปลงเสียงเป็นข้อความฟรีไหม
มี Groq, Cloudflare Workers AI, OVH, Mistral และ Cohere ให้การถอดเสียงฟรีพร้อมขีดจำกัด FreeLLMAPI รวมโมเดลฟรี 13 รายการไว้หลัง endpoint เดียวที่เข้ากันได้กับ OpenAI
ไฟล์เสียงมีขนาดสูงสุดเท่าไร
FreeLLMAPI รับการอัปโหลดได้สูงสุด 25 MB Groq ก็อนุญาต 25 MB ในระดับฟรี สำหรับเสียงที่ยาวกว่า ให้แปลงเป็น 16 kHz โมโน หรือแบ่งเป็นส่วน
ฉันขอคำบรรยายจาก API แปลงเสียงเป็นข้อความฟรีได้ไหม
ได้ ตั้ง response_format เป็น vtt มีเพียงโมเดล Whisper ของ Cloudflare ที่สร้าง VTT ได้เอง ไม่มี SRT
API แปลงเสียงเป็นข้อความฟรีใช้กับ OpenAI Python SDK ได้ไหม
ได้ ตั้ง base_url เป็น http://localhost:3001/v1 แล้วเรียก client.audio.transcriptions.create พร้อมไฟล์และ model="auto"
คู่มือที่เกี่ยวข้อง
แหล่งข้อมูล
- FreeLLMAPI README: supported endpoints (ตรวจสอบเมื่อ 20 November 2026)
- Groq docs: Speech to text (ตรวจสอบเมื่อ 20 November 2026)
- Cloudflare Workers AI pricing (ตรวจสอบเมื่อ 20 November 2026)
- Cloudflare Workers AI: whisper-large-v3-turbo (ตรวจสอบเมื่อ 20 November 2026)
- OVHcloud AI Endpoints capabilities (ตรวจสอบเมื่อ 20 November 2026)
- Cohere docs: rate limits (ตรวจสอบเมื่อ 20 November 2026)