Paxa Labs
登录
博客

Paxa TTS Flash 开始说中文，并新增六个音色

Paxa TTS Flash 在泰语和英语之外开始朗读简体中文，同时有六个新音色加入音色库，每种语言两个。

· Paxa Labs · 阅读约 2 分钟

有中文客户的泰国企业，会在泰语文案旁边同时发布中文文案。9 月 14 日之前，要把中文那一半变成语音，得另找一家语音服务商，或者安排一次录音。现在，中文文案和泰语文案通过同一种 API 请求生成，换用中文音色即可。

六个新音色

有哪些变化#

  • Paxa TTS Flash 在泰语和英语之外开始朗读中文普通话，文本使用简体字。
  • 六个音色加入音色库，总数达到 32 个。其中两个以中文为主，两个以英语为主，两个以泰语为主。
  • GET /v1/voices 对中文音色的 language 字段返回 "zh"。
  • 模型 ID 仍是 paxa-tts-flash-v1，现有的音色 ID 和请求照常可用。

新音色可以在哪里使用#

所有语音接口解析新音色 ID 的方式，都和解析现有音色 ID 的方式相同。

  • POST /v1/tts 以 mp3、opus 或 wav 格式返回完整音频或流式音频。
  • POST /v1/audio/speech 是兼容 OpenAI 的接口，它的 voice 可以填 taohuay 或 oolong。
  • 实时 WebSocket 可以在文本还在陆续到达时朗读中文。在这里，。、！ 和 ？ 与英文句点一样会结束一个句子，缓冲中的句子随即读出。
  • speed 的取值范围是 0.5 到 1.5，和其他音色一样适用于中文音色。

六个音色逐一介绍#

Tao Huay：剧情女主#

Tao Huay 温柔而略带忧伤，适合剧情解说、有声小说和陪伴类语音。

它公开的试听样本读的是“如果时间可以倒流，我还是会在那个下雨的傍晚，安静地等你回来。”

同时用中文回复的泰语陪伴应用，可以把它和 Sanae Chan 搭配使用，后者是 AI 陪伴页面首先播放的泰语音色。

Oolong：有声小说#

Oolong 是醇厚低沉的旁白音色，适合有声小说、品牌朗读和深夜故事。

它的试听样本读的是“夜深了，城市渐渐安静下来。今晚的故事，从一封迟到二十年的信开始。”

同样适合深夜时段的泰语音色是 Oliang，用于深夜电台节目。

Espresso：长篇朗读#

Espresso 低沉、深邃、节奏缓慢，适合有声书、纪录片和预告片。它的试听样本读的是“Some stories are never told. They are kept, and passed from hand to hand, until someone finally dares to open the book.”

Latte 仍是适合精致品牌影片的英语音色。长篇朗读和预告片则交给 Espresso。

Mocha：身心健康#

Mocha 贴近、温柔、音量很轻，适合睡前、身心健康和陪伴类语音。它的试听样本读的是“Take a slow breath. There is no rush tonight. Whatever happened today, you made it here, and that is enough.”

泰语和英语双语的身心健康应用，可以把它和适合助眠与冥想的 Lod Chong 搭配使用。冥想页面并排播放三个平静的泰语音色。

Khao Niao：呼吸引导#

Khao Niao 低沉从容，适合呼吸引导、身心健康旁白和慢节奏纪录片。

它的试听样本读的是“หายใจเข้าช้า ๆ แล้วปล่อยออกไปครับ ไม่ต้องรีบ ทุกอย่างรอได้ ตอนนี้แค่อยู่ตรงนี้ก็พอแล้วครับ”意思是“慢慢吸气，再呼出去。不用着急，一切都可以等。此刻，待在这里就够了。”句中两次出现 ครับ，这是男性说话人的礼貌句尾。

与它并列的是 Sangkaya，一个轻声近距离收音的音色，适合 ASMR 和平静的旁白。

Tom Yum：闺蜜#

Tom Yum 语速快、热烈、爱聊天，是闺蜜型的音色，适合剧情回顾、娱乐新闻和社交短片。

它的试听样本读的是“แกรู้ยัง เมื่อคืนมีเรื่องใหญ่มากเลย ฉันเพิ่งรู้มาสด ๆ ร้อน ๆ เดี๋ยวเล่าให้ฟังนะจ๊ะ”意思是“你听说了吗？昨晚出大事了。我也是刚知道。我讲给你听。”

语体就在词句里。แก 是好朋友之间用的第二人称代词，จ๊ะ 是俏皮、亲昵的句尾。同一段脚本若用礼貌的泰语写成，这个音色读出来也是礼貌的。广告和短视频如果需要自信的男声，Moo Ping 依然是那个带有街头活力的音色。

请求如何朗读中文#

模型按文字类型朗读每一段文本：汉字读作普通话，泰文读作泰语，拉丁字母的词读作英语。一条泰语广播和它的中文版本，只在 voice 和 text 上有区别。可选的 language 字段只影响编码、数字和符号的读法，默认值 auto 会跟随文本中占多数的语言。

同一个端点，两种语言
POST /v1/tts

{ "model": "paxa-tts-flash-v1", "voice": "nomyen",
  "text": "ยินดีต้อนรับค่ะ กรุณาเตรียมเอกสารการจองไว้ที่จุดเช็กอินค่ะ" }

{ "model": "paxa-tts-flash-v1", "voice": "taohuay",
  "text": "欢迎光临，请在办理入住处准备好您的预订资料。" }
上面这两个请求

口音由音色决定。以中文为主的音色是为全中文的句子设计的，读泰语或英语时会带外国口音。泰语句子里的中文名字，则按朗读它的泰语音色的口音读出。

泰语文案中的中文姓氏#

汉字总是按普通话朗读，这一点对姓氏影响最大。泰国华人中有一半以上祖籍潮汕，当地说潮州话。泰国人熟悉的姓氏带着潮州话的读音，Sanook 的常见姓氏列表把这些读音和普通话读音并列给出。

汉字泰语中的姓氏普通话读音
陈แซ่ตั้งChén
林แซ่ลิ้มLín
黄แซ่อึ้งHuáng
李แซ่ลี้Lǐ

以汉字发送时，“林”读作 Lín。在泰语文案里，把姓氏写成泰文，例如 ลิ้ม，泰语音色就会按这个家族自己的叫法来读。写给普通话使用者的中文文案里，听众期待的正是普通话读音。

中文的费用#

中文按每 1,000 字符 10 积分计费，这是所有音色和语言统一的语音费率。一个汉字就是一个完整的音节，而泰语的每个元音和声调符号都各算一个字符。泰语和中文双语广播页面上的每条广播，中文版本用的字符都更少。

广播泰语中文
迎宾58 个字符，0.58 积分22 个字符，0.22 积分
指路36 个字符，0.36 积分12 个字符，0.12 积分
打烊提示55 个字符，0.55 积分21 个字符，0.21 积分

新账户的 100 免费积分，可以把中文迎宾广播朗读 454 遍。

每种语言一个音色#

说三种语言的产品，每项用途在每种语言里各用一个音色。每组搭配的音色，都来自音色库给它们定的用途，或来自已经把它们配好对的页面。

用途泰语英语中文
有声书和长篇朗读Foi ThongEspressoOolong
陪伴类语音Sanae ChanMochaTao Huay
品牌朗读Nom YenLatteOolong
前台广播Nom YenCookieTao Huay

前台广播这一组与泰语和中文双语广播页面一致，在那里，Nom Yen 和 Tao Huay 像同一位播音员一样，用两种语言朗读每条广播。

发布之前#

  • 发送前先把繁体字转换成简体字。目前只有简体字经过验证。
  • 每一句中文都会读成普通话，包括写给粤语使用者的文案。
  • 请会说普通话的人撰写或检查文案。音色会照着收到的字来读，错字也照读不误。
  • 在客户听到之前，先在语音工具里播放一句泰语和中文混合的句子。

试听中文#

免费文本转语音页面无需账户，就能用 Tao Huay 或 Oolong 朗读一句不超过 50 个字符的话。登录后，语音工具每个请求最多接受 5,000 个字符。

中文音色页面用同一句欢迎语播放这两个音色。中文听力页面朗读四句课文并附上拼音，语言页面按语言列出所有页面。

继续阅读

博客的其他文章