Paxa TTS Flash 文本转语音降价三分之一

8 月 3 日，我们开放了第一个公开 API，当时只有一个能朗读泰语和英语的语音模型。八周后，Paxa Labs 已在 7 个模型上运行 4 条产品线，注册账户超过 800 个，平台和模型累计发布了超过 20 次更新。

语音合成降价三分之一#

自 10 月 1 日起，Paxa TTS Flash 每 1,000 字符收费 10 积分，折合每百万字符 $10。9 月 30 日之前的费率是 15 积分，即每百万字符 $15。

新费率适用于所有语音请求，无论从哪个入口发起：POST /v1/tts、兼容 OpenAI 的 POST /v1/audio/speech、实时 WebSocket，以及控制台里的语音工具。带时间戳的请求和实时流式会话同样降价三分之一。模型 ID、音色和请求格式都不变，无需修改任何代码。

余额或套餐中已有的积分价值不变，现在能多合成 50%的文本。一个 $10 的充值包，按旧费率约可合成 18 小时泰语语音，现在约可合成 27 小时。

9 月的大部分时间，我们都在优化语音合成。新价格就是这项工作的成果，所有账户从第一个请求起都按新价格计费。

API 开放时，Paxa TTS Flash 是唯一的模型。此后又上线了 6 个模型，大部分在 9 月发布。

Paxa STT Lite 于 9 月 9 日以研究预览版开放。它通过 POST /v1/stt 转写泰语和英语录音，按说话所用的语言逐字写出，时间戳覆盖完整的泰语词。说话人会被编号，最多 50 个词条的术语表能让人名和产品术语按您的写法拼写。价格为每分钟音频 8.33 积分。

一天后，同一个端点开始以 SRT 或 VTT 文件返回字幕。字幕条在说话人切换、句子结束和停顿处断开，泰语字幕行只在词与词之间换行。

9 月 23 日上线的 Paxa STT Lite Realtime 可以在说话人讲话的同时进行转写。它通过 WebSocket 接收音频，并自行检测每一轮发言何时结束，让语音智能体知道何时该回答。价格按接收到的音频计算，每分钟 12.5 积分。

Paxa Document Extraction 于 9 月 12 日上线。您发送一份 PDF 或一张图片，附上所需字段的 JSON schema，例如发票号码、日期和明细行。返回的是填好的 schema。每个值都是页面上印着的文本，缺失时为 null，并附上缺失的原因。

叶子字段不超过 50 个的 schema 每页 13 积分，更大的 schema 每页 19.5 积分，页面读取的费用已包含在内。

9 月 14 日，Paxa TTS Flash 在泰语和英语之外开始朗读中文，读的是简体字。当天有六个音色加入音色列表，每种语言两个。

9 月 25 日，Khanom Chan 和 Kaprao 这两个实验音色开始读取写在文本里的情感标签。标签共有 26 个，例如 [happy] 和 [furious]，加上 [sad:0.5] 这样的权重，可以设定标签表现的强度。音色列表现在共有 34 个音色。

10 月 1 日起，每个语音请求都多了一个语言设置。把它设为文本所用的语言，数字、符号以及 AB2039 这类编码就会按该语言的习惯读出。默认设置是自动，会根据文本判断语言。

9 月初，实时 WebSocket 新增了 cancel 消息，可以在句子中途停止回复。用户一插话，助手就能立刻停下。

MCP 服务器 @paxalabs/mcp 把 API 作为工具提供给 Claude Code、Cursor 和其他 MCP 客户端。它们可以通过电脑扬声器说话、把语音保存为文件、用 OCR 读取文档，以及翻译成泰语。

现在也可以通过 API 提交反馈。POST /v1/feedback 针对其中列出的请求 ID 报告错误输出或 API 问题，GET /v1/feedback 列出每份报告及其状态和我们团队的备注。

请求返回第一段音频所需的时间，是听者在语音智能体或实时回复中最先察觉的延迟。我们从新加坡和曼谷对公开 API 做了一轮实测，记录了这项数据，并注明日期、客户端位置和请求形式。

Speko 的多语言文本转语音基准测试在其泰语榜单中收录了 Paxa TTS Flash。榜单由 Speko 运营，测试方法与结果一同公布。

新费率已对所有账户生效。新账户的 100 免费积分现在可合成 10,000 字符，约 16 分钟泰语语音，在语音工具或 API 中都能使用。价格页面列出了全部费率和套餐，更新日志记录了每次发布的日期。