Paxa Labs
เข้าสู่ระบบ

AnythingLLM Text to Speech และการถอดเสียง

workspace ใน AnythingLLM ที่ใช้หลายภาษา ต้องอ่านคำตอบออกเสียงได้ทุกภาษา เลือก OpenAI Compatible เป็นผู้ให้บริการ Text to Speech ของ AnythingLLM แล้วตั้ง base URL ของ Paxa และคีย์ API จากนั้นคำตอบจะอ่านออกเสียงเป็นภาษาไทย อังกฤษ และจีนกลาง และ Paxa จะถอดเสียงคำสั่งที่พูดกับไฟล์เสียงที่อัปโหลดได้ด้วย

เริ่มใช้ฟรีอ่านเอกสาร

ทุกผู้ให้บริการ ชี้มาที่ Paxa#

เสียงพูด การพูดสั่งงาน และไฟล์ที่อัปโหลด ต่างมีผู้ให้บริการของตัวเอง และทุกตัวใช้ base URL กับคีย์ชุดเดียวกัน deployment แบบ Docker หรือ bare-metal ตั้งค่าทั้งหมดได้ใน .env

# 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

อ่านคำตอบออกเสียง

ช่องค่า
Base URLhttps://api.paxalabs.com/v1
API Keyคีย์ API ของ Paxa
TTS Modelpaxa-tts-flash-v2
Voice Modelรหัสเสียงของ Paxa เช่น khanomkrok

พูดสั่งงานแทนการพิมพ์

ช่องค่า
Base URLhttps://api.paxalabs.com/v1
API Keyคีย์ API ของ Paxa
Transcription Modelpaxa-stt-lite-v1-preview

จากคีย์ถึง workspace ที่พูดได้#

AnythingLLM ยังใช้ LLM เอกสาร และ agent เดิม Paxa อ่านคำตอบออกเสียง และถอดเสียงไฟล์ที่คุณส่งให้

  1. อ่านคำตอบออกเสียง

    ที่ Settings > Voice & Speech เลือก OpenAI Compatible ในส่วน Text-to-speech Preference ตั้ง Base URL เป็น https://api.paxalabs.com/v1 ใส่คีย์ API ของ Paxa ตั้ง TTS Model เป็น paxa-tts-flash-v2 และตั้ง Voice Model เป็นรหัสเสียงของ Paxa

  2. พูดสั่งงานแทนการพิมพ์

    ในหน้าเดียวกัน เลือก Generic OpenAI ในส่วน Speech-to-text Preference ใช้ base URL และคีย์เดียวกัน แล้วตั้ง Transcription Model เป็น paxa-stt-lite-v1-preview

  3. ถอดเสียงไฟล์ที่อัปโหลด

    ที่ Settings > Transcription เลือก OpenAI Compatible แล้วตั้ง Base URL, API Key และ Transcription Model ชุดเดียวกัน หากเว้นโมเดลว่างไว้ ระบบจะใช้ชื่อโมเดลที่ Paxa ไม่รับ

Paxa TTS Flash v2 ราคา $10 ต่อ 1 ล้านตัวอักษร Paxa STT Lite ราคา $0.50 ต่อชั่วโมงเสียง คิดตามความยาวจริงละเอียดถึงมิลลิวินาที

คำถามที่พบบ่อย#

AnythingLLM คืออะไร

AnythingLLM อธิบายตัวเองว่าเป็นแอป AI แบบ all-in-one ที่ทำ RAG และ AI Agent ได้ และทำได้อีกหลายอย่าง ใช้ได้ทั้งแบบ Desktop และบน Docker และฟีเจอร์เสียงแต่ละอย่างรับผู้ให้บริการแบบ OpenAI Compatible

AnythingLLM ใช้เสียงไหนได้บ้าง

ใช้ได้ทุกเสียงของ Paxa TTS Flash v2 ทั้ง 50 เสียง และทุกเสียงพูดได้ทั้งภาษาไทย อังกฤษ และจีนกลาง หากเว้นว่างไว้ โมเดลและเสียงจะใช้ tts-1 และ alloy ซึ่ง Paxa รับได้เช่นกัน ฟังตัวอย่างทุกเสียงได้ที่คลังเสียง

ทำไมไฟล์ที่อัปโหลดได้ข้อผิดพลาด unknown_model

หากเว้นช่อง Transcription Model ที่ Settings > Transcription ว่างไว้ AnythingLLM จะส่งชื่อโมเดล Whisper ที่ Paxa ไม่ได้ให้บริการ และ Paxa ตอบ 400 unknown_model ให้ตั้งช่องนี้เป็น paxa-stt-lite-v1-preview

ไฟล์ที่อัปโหลดยาวได้แค่ไหน

ไฟล์เสียงแต่ละไฟล์ยาวได้ไม่เกิน 120 นาทีและ 95 MiB Paxa STT Lite เป็นพรีวิวงานวิจัย

เริ่มต้นด้วยเครดิตฟรี

เข้าสู่ระบบด้วย Google, GitHub หรือ Hugging Face แล้วใช้เครดิตฟรี 100 เครดิตกับข้อความของคุณเอง

เริ่มใช้ฟรี

ผลิตภัณฑ์

ตัวอย่างการใช้งาน

การเชื่อมต่อ