ใช้ Paxa กับ AnythingLLM
ให้ AnythingLLM อ่านคำตอบออกเสียงเป็นภาษาไทย อังกฤษ และจีนกลาง พูดสั่งงานแทนการพิมพ์ และถอดเสียงไฟล์ที่อัปโหลด ผ่านผู้ให้บริการแบบ OpenAI ของ AnythingLLM
ให้ AnythingLLM มีเสียงพูดภาษาไทย อังกฤษ และจีนกลาง รวมถึงประโยคที่พูดปนกัน นอกจากนี้ Paxa ยังถอดเสียงคำสั่งที่คุณพูด และไฟล์เสียงหรือวิดีโอที่อัปโหลดเข้า workspace ได้ด้วย
แต่ละฟีเจอร์มีการตั้งค่าผู้ให้บริการของตัวเอง และทุกฟีเจอร์ใช้ base URL กับคีย์ API ชุดเดียวกัน ชื่อเมนูและช่องตั้งค่าอาจต่างกันในแต่ละเวอร์ชันของ AnythingLLM
อ่านคำตอบออกเสียง#
เปิด Settings > Voice & Speech ในส่วน Text-to-speech Preference เลือก OpenAI Compatible ตั้งค่าตามตารางนี้ แล้วกดบันทึก
| ช่อง | ค่า |
|---|---|
| Base URL | https://api.paxalabs.com/v1 |
| API Key | คีย์ API ของ Paxa |
| TTS Model | paxa-tts-flash-v2 |
| Voice Model | รหัสเสียงของ Paxa เช่น khanomkrok |
หากเว้นว่างไว้ โมเดลและเสียงจะใช้ tts-1 และ alloy ซึ่ง Paxa รับได้เช่นกัน (ชื่อของเสียงที่ใช้ได้) รหัสเสียงใดก็ได้จาก GET /v1/voices ที่มีโมเดลเป็น paxa-tts-flash-v2 ใช้ได้ทั้งหมด
พูดสั่งงานแทนการพิมพ์#
ในหน้าเดียวกัน ส่วน Speech-to-text Preference ให้เลือก Generic OpenAI แล้วตั้งค่าตามตารางนี้
| ช่อง | ค่า |
|---|---|
| Base URL | https://api.paxalabs.com/v1 |
| API Key | คีย์ API ของ Paxa |
| Transcription Model | paxa-stt-lite-v1-preview |
ถอดเสียงไฟล์เสียงและวิดีโอที่อัปโหลด#
เปิด Settings > Transcription เลือก OpenAI Compatible แล้วตั้งค่าสามช่องเดิม คือ Base URL, API Key และ Transcription Model
ต้องตั้งโมเดลในส่วนนี้ด้วย หากเว้นว่างไว้ AnythingLLM จะส่ง whisper-small ซึ่ง Paxa ตอบกลับเป็น 400 unknown_model
Paxa STT Lite เป็นพรีวิวงานวิจัย และไฟล์เสียงแต่ละไฟล์ยาวได้ไม่เกิน 60 นาทีและ 25 MiB
ตั้งค่าผ่านตัวแปรสภาพแวดล้อม#
หากติดตั้งด้วย Docker หรือบนเครื่องโดยตรง ให้กำหนดตัวแปรเหล่านี้ในไฟล์ .env ของ AnythingLLM
# Text to speech
TTS_PROVIDER="generic-openai"
TTS_OPEN_AI_COMPATIBLE_ENDPOINT="https://api.paxalabs.com/v1"
TTS_OPEN_AI_COMPATIBLE_KEY=pxa_your_key_here
TTS_OPEN_AI_COMPATIBLE_MODEL=paxa-tts-flash-v2
TTS_OPEN_AI_COMPATIBLE_VOICE_MODEL=khanomkrok
# Voice input in chat
STT_PROVIDER="generic-openai"
STT_OPEN_AI_COMPATIBLE_ENDPOINT="https://api.paxalabs.com/v1"
STT_OPEN_AI_COMPATIBLE_KEY=pxa_your_key_here
STT_OPEN_AI_COMPATIBLE_MODEL=paxa-stt-lite-v1-preview
# Uploaded audio and video
WHISPER_PROVIDER="generic-openai"
WHISPER_GENERIC_OPEN_AI_BASE_URL="https://api.paxalabs.com/v1"
WHISPER_GENERIC_OPEN_AI_API_KEY=pxa_your_key_here
WHISPER_GENERIC_OPEN_AI_MODEL=paxa-stt-lite-v1-preview