Paxa Labs

ให้เพื่อน AI ของคุณพูดไทยได้จริง

เพื่อน AI ถูกตัดสินจากสองเรื่อง: เสียงฟังแล้วเหมือนมีตัวตนไหม และหยุดพูดทันทีไหมเมื่อเราเริ่มพูด ทั้งสองเรื่องเป็นงานของระบบแปลงข้อความเป็นเสียง และทั้งสองเรื่องมีคำตอบอยู่ในหน้านี้

เสน่ห์จันทน์

0:06

ค่ำคืนนี้ ปล่อยให้เสียงของฉัน อยู่เป็นเพื่อนคุณจนกว่าจะหลับนะคะ

37 / 50

นี่คือประโยคที่เพื่อน AI ใช้เปิดบทสนทนา ลองแก้แล้วฟังใหม่ได้เลย ช่องนี้รับข้อความได้ไม่เกิน 50 ตัวอักษร และมีเสียงให้เลือก 9 เสียง โดยสองเสียงคือโทนสนิทที่หน้านี้พูดถึง

ความสนิทอยู่ในตัวคำ#

เพื่อน AI ภาษาอังกฤษต้องสร้างความสนิทด้วยน้ำเสียง เพราะภาษาอังกฤษไม่มีที่อื่นให้เก็บความสนิทไว้ ต้องเสียงอุ่นขึ้น พูดช้าลง ลงท้ายให้นุ่มลง ภาษาไทยไม่ได้ทำงานแบบนั้น ภาษาไทยเก็บความสัมพันธ์ไว้ในไวยากรณ์: ผู้พูดเรียกตัวเองว่าอะไร เรียกอีกฝ่ายว่าอะไร และจบประโยคด้วยคำลงท้ายตัวไหน

แปลว่าระดับความสนิทอยู่ในข้อความ ผู้ช่วยเปลี่ยนความสนิทได้ด้วยการเปลี่ยนสิ่งที่มันเขียน และโมเดลภาษาก็เป็นคนเขียนข้อความนั้นอยู่แล้ว ไม่ต้องมีพารามิเตอร์เสียงเข้ามาเกี่ยว และไม่จำเป็นต้องมี ข้างล่างนี้คือความหมายเดียวกันในสี่ระดับความสนิท อ่านด้วยเสียงเดียวกันทั้งหมด

ความหมายเดียว

กินข้าวเย็นหรือยัง รออยู่นะ

  1. คนแปลกหน้า

    เรียกอีกฝ่ายว่าคุณ เรียกตัวเองว่าดิฉัน นี่คือน้ำเสียงพนักงานต้อนรับ ถูกต้องทุกอย่าง และห่างเกินกว่าจะเป็นเพื่อนของใคร

    คุณทานข้าวเย็นแล้วหรือยังคะ ดิฉันรออยู่นะคะ

    เรียกอีกฝ่าย / เรียกตัวเอง
    คุณ / ดิฉัน
    คำลงท้าย
    คะ
  2. คนที่อายุน้อยกว่า

    ขยับแค่คำเดียว คุณกลายเป็นพี่ ดิฉันกลายเป็นหนู ผู้ช่วยกลายเป็นฝ่ายที่อายุน้อยกว่าทันที ประโยคเดิมจึงอ่อนโยนขึ้นโดยยังไม่ตีสนิท

    พี่ทานข้าวเย็นแล้วหรือยังคะ หนูรออยู่นะคะ

    เรียกอีกฝ่าย / เรียกตัวเอง
    พี่ / หนู
    คำลงท้าย
    คะ
  3. เพื่อน

    เธอกับเราลดระยะห่างลง ทานเปลี่ยนเป็นกินแบบธรรมดา และจ๊ะเข้ามาแทนคะ คำถามเดิม แต่ตอนนี้เป็นคำถามระหว่างคนเท่ากัน

    เธอกินข้าวเย็นแล้วยังจ๊ะ เรารออยู่นะ

    เรียกอีกฝ่าย / เรียกตัวเอง
    เธอ / เรา
    คำลงท้าย
    จ๊ะ
  4. สนิทกว่านั้น

    คำลงท้ายสุภาพหายไปทั้งคำ ในภาษาไทยการที่มันหายไปคือสัญญาณ นี่จึงเป็นระดับที่สนิทที่สุดในสี่ระดับ ทั้งที่ใช้คำน้อยที่สุด

    กินข้าวยังอ่ะ เรารอเธออยู่

    เรียกอีกฝ่าย / เรียกตัวเอง
    เธอ / เรา
    คำลงท้าย
    ไม่มี

เลือกระดับที่สินค้าของคุณควรอยู่ บอกโมเดลให้เขียนในระดับนั้น แล้วเสียงจะอ่านตามนั้นเอง การย้ายเพื่อน AI จากระดับสุภาพไปหาระดับสนิทคือการแก้ system prompt โมเดลข้างใต้ยังเป็นตัวเดิม

sanaechan · paxa-tts-flash-v2 · 2026-10-15

เสียงเดียว สี่ระดับความสนิท สิ่งเดียวที่เปลี่ยนไปในแต่ละแถวคือข้อความที่เขียน

อารมณ์ที่ใส่เพิ่มบนถ้อยคำ#

ทุกเสียงของ Paxa TTS Flash v2 ยังรับคำกำกับในวงเล็บเหลี่ยมที่เขียนไว้ในคำตอบได้ด้วย เช่น [happy] หรือ [sad] พรอมต์ของเพื่อน AI สั่งให้โมเดลภาษาเขียนคำกำกับมาพร้อมถ้อยคำได้

ระดับความสนิทยังมาจากสรรพนามและคำลงท้ายตามขั้นบันไดด้านบน ส่วนคำกำกับกำหนดน้ำเสียงที่ใช้พูดประโยคนั้น

  • [neutral]0:03
  • [happy]0:02
  • [sad]0:03
  • [angry]0:02
  • [afraid]0:03

khanomchan · paxa-tts-flash-v2 · 2026-10-15

ขนมชั้นอ่านประโยคเดียวกันภายใต้คำบอกอารมณ์แต่ละคำ

ดูคำกำกับและแท็กอารมณ์

8 เสียงที่ออกแบบมาเพื่อการพูดใกล้ ๆ#

แคตตาล็อกมีทั้งหมด 50 เสียง กลุ่มนี้คือเสียงที่ออกแบบมาสำหรับการพูดกับผู้ฟังคนเดียวเป็นเวลานาน ทั้งโทนยามค่ำ บทอ่านยามดึกและก่อนนอน เสียงใกล้ไมค์ และเสียงตัวละครที่งานบทบาทสมมติต้องใช้ รหัสเสียงเป็นตัวระบุสาธารณะที่คงที่ เพื่อน AI ที่ผู้ใช้รู้จักตั้งแต่เดือนมกราคมจึงยังเป็นเสียงเดิมในเดือนธันวาคม

ประโยคที่ใช้

คืนนี้ไม่ต้องรีบนอนก็ได้ อยู่คุยกันอีกสักหน่อยนะ

paxa-tts-flash-v2 · 2026-10-15

ประโยคเดียวกัน อ่านด้วยทุกเสียง ตัวแปรเดียวที่ต่างกันคือเสียง กดที่ชื่อเพื่อไปหน้าของเสียงนั้น

สิ่งที่คนอีกฝั่งสังเกตได้#

ทั้งสี่ข้อข้างล่างไม่มีใครเรียกร้องมาเป็นชื่อฟีเจอร์ แต่มันคือสิ่งที่คนหมายถึงเวลาบอกว่าเพื่อน AI ตัวนี้เหมือนมีคนอยู่จริง หรือบอกว่ามันเลิกเหมือนไปแล้ว

หนึ่งตา และการพูดแทรก#

เพื่อน AI ที่พูดได้คือลูปหนึ่งลูป และลูปนี้เองที่ตัดสินว่ามันจะรู้สึกมีชีวิตหรือไม่มี ระบบรู้จำเสียงถอดคำพูดของคน โมเดลเขียนคำตอบ แล้วระบบเสียงอ่านออกมา ปลายทั้งสองข้างอยู่ที่นี่ Paxa STT Lite Realtime ฟังผ่าน WebSocket ของตัวเองและบอกจุดจบของแต่ละรอบพูด ส่วนสี่ขั้นด้านล่างคือครึ่งที่พูด ขั้นที่งานส่วนใหญ่ทำพลาดคือขั้นที่สี่

  1. เปิดซ็อกเก็ตเดียวตลอดบทสนทนา

    เอนด์พอยต์สดถือ WebSocket หนึ่งเส้นไว้ตลอดเซสชัน ตั้งค่าครั้งเดียวตอนเปิด หลังจากนั้นทุกตาคือเฟรมข้อความบนการเชื่อมต่อที่อุ่นอยู่แล้ว

  2. ส่งทีละประโยคทันทีที่โมเดลเขียนจบ

    อย่ารอให้คำตอบครบทั้งก้อน ส่งประโยคทันทีที่โมเดลเขียนจบ แล้วเสียงจะเริ่มกลับมาตั้งแต่ส่วนที่เหลือยังเขียนไม่เสร็จ ภาษาไทยไม่มีเครื่องหมายจบประโยค ไคลเอนต์ภาษาไทยจึงสั่ง flush เมื่อจบวรรค

  3. เล่นเสียงไปพร้อมกับที่มันมาถึง

    เฟรมไบนารีคือเสียงของตานั้นเรียงตามลำดับการส่ง ใบเสร็จ charged มาก่อนเสียงของทุกตาเสมอ ไคลเอนต์จึงรู้ราคาของตานั้นก่อนได้ยินเสียงด้วยซ้ำ

  4. สั่งหยุดทันทีที่อีกฝ่ายเริ่มพูด

    เมื่อผู้ใช้พูดแทรกขึ้นมา ให้ส่งเฟรม cancel ประโยคที่กำลังพูดจะหยุด ส่วนที่เหลือของคำตอบถูกทิ้ง และการเชื่อมต่อยังเปิดรอตาถัดไป จะปิดซ็อกเก็ตทิ้งก็หยุดเสียงได้เหมือนกัน แต่ต้องคืนช่องคำขอพร้อมกันและต้องเชื่อมต่อใหม่ทั้งรอบก่อนจะตอบได้อีกครั้ง

ตาที่ถูกหยุดยังคงค่าบริการของประโยคที่สังเคราะห์ไปแล้ว ส่วนที่ถูกทิ้งไม่เคยถูกคิดเงิน การส่งทีละประโยคต่อหนึ่งเฟรมคือสิ่งที่จำกัดต้นทุนตรงนี้ และเป็นรูปแบบเดียวกับที่ทำให้เวลารอเสียงแรกต่ำ

อ่านคู่มือสตรีมสด

ต้องเร็วแค่ไหน#

มีสามวิธีในการส่งเสียงของเพื่อน AI วิธีที่ถูกต้องขึ้นอยู่กับรูปร่างของสินค้า

ค่าเสียงของเพื่อน AI หนึ่งคน
บทสนทนาจำนวนคำตอบตัวอักษรค่าใช้จ่าย
หนึ่งค่ำคืน202,400$0.02
ผู้ใช้ประจำหนึ่งคน หนึ่งเดือน1,200144,000$1.44
ผู้ใช้ประจำ 1,000 คน หนึ่งเดือน$1,440

คิดที่ 10 เครดิตต่อ 1,000 ตัวอักษร จากคำตอบยาว 120 ตัวอักษร วันละ 40 คำตอบ ค่าเสียงคิดตามจำนวนตัวอักษรจริง ผู้ใช้ที่คุยน้อยจึงจ่ายน้อยกว่า และเดือนที่ไม่มีใครคุยเลยก็ไม่มีค่าใช้จ่าย

คำถามที่พบบ่อย#

ทำให้เสียงดีใจหรือเสียใจได้ไหม

ได้ ทุกเสียงของ Paxa TTS Flash v2 รับคำกำกับที่เขียนไว้ในข้อความ เช่น [happy] หรือ [sad] และบอร์ดด้านบนเล่นเสียงเดียวภายใต้คำบอกอารมณ์แต่ละคำ ส่วนระดับความสนิทยังมาจากการเลือกเสียงและจากภาษาที่เก็บความสนิทไว้ในตัวคำ ซึ่งบันไดระดับความสนิทด้านบนแสดงให้เห็น

โคลนเสียง หรือเพิ่มเสียงตัวละครของตัวเองได้ไหม

โคลนเสียงไม่ได้ ระบบไม่คัดลอกเสียงจากไฟล์บันทึกเสียง เพื่อน AI เลือกเสียงจาก 50 เสียงในแคตตาล็อกแบบเดียวกับที่กองถ่ายเลือกนักแสดงจากรายชื่อ ส่วนตัวละครที่แคตตาล็อกไม่มีเสียงที่ใช่ ออกแบบเสียงจากคำบรรยายได้ใน Console แพลนที่ใหญ่ที่สุดบันทึกได้ 50 เสียง รหัสเสียงในแคตตาล็อกคงที่ตลอดไป และเสียงที่ออกแบบเองใช้รหัสเดิมจนกว่าคุณจะลบ

เพื่อน AI หยุดพูดตอนผู้ใช้พูดแทรกได้อย่างไร

ใช้เฟรม cancel บนซ็อกเก็ตสด ประโยคที่กำลังพูดจะหยุด ส่วนที่ค้างอยู่ถูกทิ้งโดยไม่คิดเงิน และการเชื่อมต่อเดิมรับตาถัดไปต่อได้เลย สิ่งที่จุดชนวนคือฝั่งที่ฟัง Paxa STT Lite Realtime ส่งอีเวนต์ speech_started ทันทีที่คนเริ่มพูด ทั้งสองครึ่งมีอธิบายไว้ในคู่มือสตรีมสด

อ่านไทยปนอังกฤษในประโยคเดียวกันได้ไหม

ได้ และอ่านด้วยเสียงเดียว เพื่อน AI ภาษาไทยสลับภาษากันตลอดเวลา คำตอบที่ไหลจากไทยไปอังกฤษแล้วกลับมาจึงถูกอ่านเป็นประโยคเดียวต่อเนื่องด้วยเสียงเดียวตลอดสาย และทุกเสียงพูดจีนกลางได้ด้วย ข้อความยาวได้ถึง 5,000 ตัวอักษรต่อหนึ่งคำขอ

เอาเสียงไปขยับปากตัวละครได้ไหม

ได้ ขอข้อมูลเวลาระดับคำ ประโยค หรือทั้งช่วงพูด แล้วผลลัพธ์จะมีช่วงเวลามาพร้อมกับเสียง ซึ่งเป็นสิ่งที่ปากของอวตารใช้อ่าน ทั้งนี้การขอข้อมูลเวลาคิดค่าบริการสูงกว่าเสียงเปล่า

เครดิตฟรี ไม่ต้องผูกบัตร

สมัครเข้าใช้งานแล้วเครดิตฟรีที่ได้รับครอบคลุมคำตอบแรก ๆ ของเพื่อน AI ได้หลายพันคำตอบ ลองพิมพ์ในเพลย์กราวด์ให้ทุกเสียงในแคตตาล็อกอ่านได้ก่อนเขียนโค้ดจริง