Paxa Labs

เพิ่มช่วงหยุด

แท็กช่วงหยุดเพิ่มความเงียบตรงตำแหน่งที่เขียนไว้ในคำขอ Paxa TTS Flash v2 เลือกได้สามความยาวตามภาษา หรือกำหนดความยาวเองได้สูงสุด 500 ms พร้อมรายละเอียดตำแหน่งของช่วงหยุด ความเร็ว การคิดค่าบริการ และการเชื่อมต่อแบบไลฟ์

ดูเป็น Markdown

บน Paxa TTS Flash v2 แท็กช่วงหยุดใน text ของ POST /v1/tts จะเพิ่มความเงียบหลังคำที่อยู่ก่อนแท็ก เขียนความยาวแบบมีชื่อ ได้แก่ [short pause] [pause] หรือ [long pause] หรือกำหนดความยาวเอง เช่น [pause 300ms] ทุกเสียงอ่านแท็กเหล่านี้ได้ และ API ตรวจทุกแท็กก่อนคิดค่าบริการ

curl -X POST https://api.paxalabs.com/v1/tts \
  -H "Authorization: Bearer $PAXA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "ยืนยันคำสั่งซื้อเรียบร้อยแล้วครับ [pause 300ms] พัสดุจะถึงภายในวันศุกร์ [long pause] มีคำถามโทรหาเราได้ตลอดครับ",
    "voice": "khanomkrok",
    "model": "paxa-tts-flash-v2"
  }' \
  --output speech.mp3

ความยาวแบบมีชื่อ#

ช่วงหยุดแบบมีชื่อจะยาวเท่าใดขึ้นอยู่กับภาษาของคำที่อยู่ก่อนแท็ก

ภาษา[short pause][pause][long pause]
ไทย130 ms180 ms460 ms
จีน100 ms140 ms360 ms
อังกฤษและภาษาอื่นทั้งหมด120 ms170 ms460 ms

กำหนดความยาวเอง#

  • [pause 300ms] [pause 0.3s] และ [pause:300] คือช่วงหยุดเดียวกัน ตัวเลขที่ไม่มีหน่วยนับเป็นมิลลิวินาที ส่วน s, sec, second, seconds นับเป็นวินาที
  • ใช้เลขไทยและตัวเลขเต็มความกว้างได้ด้วย [pause ๓๐๐ms] คือ [pause 300ms]
  • ความยาวปัดเป็นช่วงละ 10 ms ที่ใกล้ที่สุด
  • ช่วงหยุดที่กำหนดเองยาวได้สูงสุด 500 ms หากยาวกว่านั้น เช่น [pause 1s] หรือ [pause:600] จะหยุดเพียง 500 ms

ตำแหน่งของช่วงหยุด#

ช่วงหยุดจะบวกความยาวของตัวเองเข้ากับช่องว่างที่การอ่านเว้นไว้อยู่แล้วหลังคำที่อยู่ก่อนแท็ก ท้ายประโยคมีช่องว่างยาวกว่าระหว่างคำ [pause] หลังจบประโยคจึงเงียบนานกว่า [pause] กลางประโยค

ช่วงหยุดกับความเร็ว#

แท็กช่วงหยุดยาวเท่าเดิมทุกค่า speed ความเร็วเปลี่ยนเฉพาะช่องว่างที่การอ่านเว้นเอง แล้วแท็กจะบวกความยาวเท่าเดิมเข้าไป

การคิดค่าบริการ#

แท็กช่วงหยุดนับเป็นข้อความ ทุกตัวอักษรของแท็ก รวมวงเล็บ นับรวมในความยาวและค่าบริการของคำขอ ตัวอย่างด้านบนยาว 111 ตัวอักษร คิดเป็น 1.11 เครดิต ข้อความที่มีแต่แท็กช่วงหยุดจะได้คำตอบ 422 unspeakable_text โดยยังไม่คิดค่าบริการ

ช่วงหยุดบนการเชื่อมต่อแบบไลฟ์#

บนการเชื่อมต่อแบบไลฟ์ แท็กช่วงหยุดอ่านเหมือนในคำขอปกติ แท็กที่ถูกแบ่งข้ามเฟรมจะอ่านรวมเป็นแท็กเดียว

Paxa TTS Flash#

Paxa TTS Flash (paxa-tts-flash-v1) ไม่อ่านแท็กช่วงหยุด เสียงทดลองของรุ่นนี้จะตอบ tag_invalid เพราะ [pause] ไม่อยู่ในรายการแท็กอารมณ์ ส่วนเสียง v1 อื่นทั้งหมดจะอ่านแท็กออกมาเป็นข้อความ

หมายเหตุ

เอนด์พอยต์ที่เข้ากันได้กับ OpenAI อ่านแท็กช่วงหยุดใน input ตามกฎเดียวกัน