data/sample_outputs/demo_001_transcript.json

[
  {
    "id": 0,
    "start_sec": 0.0,
    "end_sec": 6.2,
    "text": "สวัสดีครับ วันนี้เราจะมาเรียนรู้เรื่อง model serving และ API deployment กันนะครับ",
    "language": "th"
  },
  {
    "id": 1,
    "start_sec": 6.2,
    "end_sec": 13.5,
    "text": "ก่อนอื่นเรามาดูภาพรวมของ pipeline ที่เราจะ build กันก่อน",
    "language": "th"
  },
  {
    "id": 2,
    "start_sec": 13.5,
    "end_sec": 21.0,
    "text": "We start by training a simple machine learning model, then we save it to disk.",
    "language": "en"
  },
  {
    "id": 3,
    "start_sec": 21.0,
    "end_sec": 29.4,
    "text": "ขั้นตอนต่อไปคือการสร้าง REST API ด้วย FastAPI เพื่อให้ model ของเราพร้อมใช้งาน",
    "language": "th"
  },
  {
    "id": 4,
    "start_sec": 29.4,
    "end_sec": 37.8,
    "text": "Here you can see the project structure on my screen, with the model file and the server code.",
    "language": "en"
  },
  {
    "id": 5,
    "start_sec": 37.8,
    "end_sec": 46.0,
    "text": "เรามาเขียน endpoint แรกกันครับ ชื่อว่า slash predict สำหรับรับ input",
    "language": "th"
  },
  {
    "id": 6,
    "start_sec": 46.0,
    "end_sec": 54.5,
    "text": "The predict endpoint takes a JSON payload and returns the model prediction.",
    "language": "en"
  },
  {
    "id": 7,
    "start_sec": 54.5,
    "end_sec": 63.0,
    "text": "ตรงนี้สำคัญมากนะครับ เราต้อง validate input ก่อนเสมอเพื่อความปลอดภัย",
    "language": "th"
  },
  {
    "id": 8,
    "start_sec": 63.0,
    "end_sec": 72.2,
    "text": "Now let's talk about Docker. We containerize the application so it runs anywhere.",
    "language": "en"
  },
  {
    "id": 9,
    "start_sec": 72.2,
    "end_sec": 80.5,
    "text": "ผมจะเขียน Dockerfile แบบง่าย ๆ ให้ดูนะครับ เริ่มจาก base image ของ Python",
    "language": "th"
  },
  {
    "id": 10,
    "start_sec": 80.5,
    "end_sec": 89.0,
    "text": "After building the image, we run the container and expose port eight thousand.",
    "language": "en"
  },
  {
    "id": 11,
    "start_sec": 89.0,
    "end_sec": 98.3,
    "text": "คำถามที่หลายคนสงสัยคือ แล้วเราจะ deploy ขึ้น production ยังไง?",
    "language": "th"
  },
  {
    "id": 12,
    "start_sec": 98.3,
    "end_sec": 107.0,
    "text": "We can deploy this container to a cloud service or to Hugging Face Spaces for a demo.",
    "language": "en"
  },
  {
    "id": 13,
    "start_sec": 107.0,
    "end_sec": 116.4,
    "text": "เรื่องของ latency ก็สำคัญครับ เราควรวัด response time ของ API เสมอ",
    "language": "th"
  },
  {
    "id": 14,
    "start_sec": 116.4,
    "end_sec": 125.0,
    "text": "Let me show you how to add simple metrics logging to track p50 and p95 latency.",
    "language": "en"
  },
  {
    "id": 15,
    "start_sec": 125.0,
    "end_sec": 134.7,
    "text": "ต่อไปเป็นเรื่อง monitoring เราจะใช้ log file เก็บ metric แบบง่าย ๆ ก่อน",
    "language": "th"
  },
  {
    "id": 16,
    "start_sec": 134.7,
    "end_sec": 144.0,
    "text": "Finally, remember to add a health check endpoint so the platform knows the service is alive.",
    "language": "en"
  },
  {
    "id": 17,
    "start_sec": 144.0,
    "end_sec": 153.5,
    "text": "สรุปนะครับ วันนี้เราได้เรียนรู้เรื่อง model serving, API, Docker และ deployment",
    "language": "th"
  },
  {
    "id": 18,
    "start_sec": 153.5,
    "end_sec": 162.8,
    "text": "In summary, you now have a complete pipeline from model to a deployed API.",
    "language": "en"
  },
  {
    "id": 19,
    "start_sec": 162.8,
    "end_sec": 172.0,
    "text": "ถ้าชอบ video นี้ อย่าลืมกด like และ subscribe เพื่อไม่พลาด content ใหม่ ๆ นะครับ",
    "language": "th"
  },
  {
    "id": 20,
    "start_sec": 172.0,
    "end_sec": 184.0,
    "text": "Thank you for watching, and see you in the next tutorial. Goodbye!",
    "language": "en"
  }
]