สร้างเสียงพูดจากข้อความ
แปลงข้อความเป็นเสียงบน Paxa API คือคำขอ POST /v1/tts เดียว ส่งข้อความไทย อังกฤษ หรือจีนกลางเข้า รับเสียง MP3 Opus WAV หรือ PCM ดิบออก คิดค่าบริการเป็นเครดิตตามตัวอักษร รวมเสียง โมเดล ออปชัน และขีดจำกัด
POST /v1/tts รับข้อความกับเสียงที่เลือก แล้วตอบกลับเป็นไฟล์เสียง (MP3 เป็นค่าเริ่มต้น Opus WAV หรือ PCM ดิบ) ใช้ได้ทั้งข้อความไทย อังกฤษ จีนกลาง หรือปนกันในคำขอเดียว ทุกคำขอคิด 10 เครดิตต่อ 1,000 ตัวอักษร ตามจำนวนตัวอักษรจริง ปัดเศษขึ้นถึงหนึ่งในร้อยของเครดิต ขั้นต่ำ 0.1 เครดิตต่อคำขอ และคิดเครดิตก่อนสังเคราะห์เสียง
เลือกเสียง#
ฟิลด์ voice ใช้รหัสเสียงจากรายการของโมเดลที่คุณส่ง ทั้งสองรายการด้านล่างดึงจากแคตตาล็อกจริง ฟิลด์นี้รับเฉพาะรหัสเสียงเท่านั้น (ไม่สนตัวพิมพ์ใหญ่เล็ก "bualoi" และ "BuaLoi" คือเสียงเดียวกัน) ชื่อเสียงมีไว้สำหรับคนอ่าน ชื่ออาจเปลี่ยนได้ แต่รหัสไม่เปลี่ยน ดูทั้งสองรายการเป็น JSON ได้ที่ GET /v1/voices ซึ่งแสดงแต่ละเสียงหนึ่งครั้งต่อโมเดลที่ให้บริการเสียงนั้น และฟังทุกเสียงในสคริปต์ยาวขึ้นได้ที่หน้าแปลงข้อความเป็นเสียง
เสียงของ Paxa TTS Flash v2 (paxa-tts-flash-v2)#
ส่ง "model": "paxa-tts-flash-v2" เพื่อใช้ Paxa TTS Flash v2 ทั้ง 50 เสียงพูดได้ทั้งไทย อังกฤษ และจีนกลาง และทุกเสียงอ่านแท็กคำกำกับที่เขียนไว้ใน text ได้ มี 26 เสียงที่ใช้รหัสเดียวกับ Paxa TTS Flash
| เสียง | id | เพศ | ภาษา | ตัวอย่างเสียง |
|---|---|---|---|---|
| ขนมครกเสียงผู้ใหญ่ใจเย็น ไม่เร่งรีบ เสียงชายหลักของทั้งชุด เหมาะกับสารคดี เรื่องเล่าย้อนวัน และงานบรรยาย | khanomkrok | ชาย | ไทย อังกฤษ และจีนกลาง | |
| นมเย็นเสียงสดใสมีพลัง เสียงหญิงหลักของทั้งชุด เหมาะกับโปรโมต คลิปโซเชียล และเสียงพูดในผลิตภัณฑ์ทั่วไป | nomyen | หญิง | ไทย อังกฤษ และจีนกลาง | |
| ฝอยทองเสียงเล่าเรื่องน่าติดตาม เหมาะกับบทอ่านยาวและคลิปอธิบาย | foithong | หญิง | ไทย อังกฤษ และจีนกลาง | |
| มัสมั่นเสียงพระเอกทุ้มลึก หนักแน่น เหมาะกับหนังตัวอย่างและงานประกาศ | massaman | ชาย | ไทย อังกฤษ และจีนกลาง | |
| ทองเอกเสียงผู้ประกาศชัดถ้อยชัดคำ เหมาะกับข่าวและงานองค์กร | thongek | ชาย | ไทย อังกฤษ และจีนกลาง | |
| พะแนงเสียงนุ่มภูมิฐานแบบนักแสดงละครเวที เหมาะกับงานเล่าเรื่องจริงจัง | panang | ชาย | ไทย อังกฤษ และจีนกลาง | |
| โอเลี้ยงเสียงทุ้มสบาย ๆ เหมาะกับรายการชิล ๆ และวิทยุยามดึก | oliang | ชาย | ไทย อังกฤษ และจีนกลาง | |
| เสน่ห์จันทน์เสียงอบอุ่นชวนฟัง มีเสน่ห์แบบค่ำคืน | sanaechan | หญิง | ไทย อังกฤษ และจีนกลาง | |
| ทับทิมกรอบเสียงทุ้มนุ่มเป็นส่วนตัว เหมาะกับบทอ่านยามดึก | tubtimkrob | หญิง | ไทย อังกฤษ และจีนกลาง | |
| หมูปิ้งเสียงวัยรุ่นมั่นใจ เหมาะกับโฆษณาและคลิปสั้น | mooping | ชาย | ไทย อังกฤษ และจีนกลาง | |
| บัวลอยเสียงสาวใส น่ารัก เหมาะกับตัวละครและเรื่องเล่าเบา ๆ | bualoi | หญิง | ไทย อังกฤษ และจีนกลาง | |
| ลูกชุบเสียงเล็ก ๆ น่ารักแบบเด็ก เหมาะกับตัวการ์ตูนและงานสนุก ๆ | lukchup | หญิง | ไทย อังกฤษ และจีนกลาง | |
| ลอดช่องเสียงช้า ๆ แบบใกล้ไมค์ เหมาะกับการฝึกสติและเสียงกล่อมนอน | lodchong | หญิง | ไทย อังกฤษ และจีนกลาง | |
| วุ้นเสียงแผ่วเบา เหมาะกับช่วงผ่อนคลายก่อนนอน | woon | หญิง | ไทย อังกฤษ และจีนกลาง | |
| สังขยาเสียงชายเบา ๆ เหมาะกับเสียงกล่อมนอนและการบรรยายช้า ๆ | sangkaya | ชาย | ไทย อังกฤษ และจีนกลาง | |
| ข้าวเหนียวเสียงชายทุ้มต่ำ ไม่เร่งรีบ เหมาะกับบทนำหายใจ เสียงบรรยายเพื่อสุขภาพใจ และสารคดีจังหวะช้า | khaoniao | ชาย | ไทย อังกฤษ และจีนกลาง | |
| ต้มยำเสียงเพื่อนสนิทสายเม้าท์ เร็ว จัดจ้าน คุยไม่หยุด เหมาะกับสรุปละคร ข่าวบันเทิง และคลิปโซเชียล | tomyum | หญิง | ไทย อังกฤษ และจีนกลาง | |
| ขนมชั้นเสียงชวนคุย ร่าเริง เหมาะกับแชต คลิปโซเชียล และแอปเพื่อนคุย | khanomchan | หญิง | ไทย อังกฤษ และจีนกลาง | |
| กะเพราเสียงผู้ชายผ่อนคลาย เหมาะกับบทพูดคุย ผู้ช่วยเสียง และคลิปอธิบายทั่วไป | kaprao | ชาย | ไทย อังกฤษ และจีนกลาง | |
| คุกกี้เสียงอังกฤษใจดี ใส่ใจ เหมาะกับงานบริการและออนบอร์ดลูกค้า | cookie | หญิง | ไทย อังกฤษ และจีนกลาง | |
| ลาเต้เสียงอังกฤษนุ่มเนี้ยบ เหมาะกับหนังแบรนด์ | latte | ชาย | ไทย อังกฤษ และจีนกลาง | |
| เอสเพรสโซเสียงอังกฤษชายทุ้มลึก เข้ม จังหวะช้า เหมาะกับนิยายเรื่องยาว สารคดี และหนังตัวอย่าง | espresso | ชาย | ไทย อังกฤษ และจีนกลาง | |
| มอคค่าเสียงอังกฤษหญิงอ่อนโยน ใกล้ชิด เบา ๆ เหมาะกับบทก่อนนอน งานสุขภาพใจ และเสียงเพื่อนคุย | mocha | หญิง | ไทย อังกฤษ และจีนกลาง | |
| เต้าฮวยเสียงจีนกลางหญิงอ่อนโยน เจือความเศร้า เหมาะกับสรุปซีรีส์ นิยายเสียง และเสียงเพื่อนคุย | taohuay | หญิง | ไทย อังกฤษ และจีนกลาง | |
| อู่หลงเสียงจีนกลางชายทุ้มต่ำ นุ่มละมุน เหมาะกับนิยายเสียง บทแบรนด์ และเรื่องเล่ายามดึก | oolong | ชาย | ไทย อังกฤษ และจีนกลาง | |
| สาคูเสียงผู้หญิงชัด เรียบนิ่ง เหมาะกับผู้ช่วย AI อุปกรณ์อัจฉริยะ และเสียงแนะนำในแอป | saku | หญิง | ไทย อังกฤษ และจีนกลาง | |
| สะเต๊ะเสียงพระเอกหนุ่มฮึกเหิม เหมาะกับงานพากย์อนิเมะ เกม และซีรีส์ | satay | ชาย | ไทย อังกฤษ และจีนกลาง | |
| ทองหยอดเสียงนางเอกสดใส มีชีวิตชีวา เหมาะกับงานพากย์อนิเมะ เกม และซีรีส์ | thongyod | หญิง | ไทย อังกฤษ และจีนกลาง | |
| ใบเตยเสียงผู้หญิงฟังแล้วอุ่นใจ เหมาะกับงานโค้ช บทเรียนเพื่อสุขภาพใจ และการอธิบายทีละขั้น | baitoey | หญิง | ไทย อังกฤษ และจีนกลาง | |
| กล้วยทอดเสียงตัวการ์ตูนคู่หูขี้เล่น ใจดี เหมาะกับการ์ตูน คอนเทนต์เด็ก และโฆษณาสนุก ๆ | kluaytod | ชาย | ไทย อังกฤษ และจีนกลาง | |
| มะตูมเสียงบรรยายหญิงชัดเจน จังหวะพอดี เหมาะกับสารคดี หนังท่องเที่ยว และเสียงนำชมพิพิธภัณฑ์ | matum | หญิง | ไทย อังกฤษ และจีนกลาง | |
| ห่อหมกเสียงชายก้องกังวาน สง่างาม เหมาะกับตัวเอกแฟนตาซี ละครเสียงมหากาพย์ และเกม | hormok | ชาย | ไทย อังกฤษ และจีนกลาง | |
| น้ำมะนาวเสียงปลุกพลัง จังหวะเร็ว เหมาะกับคลาสออกกำลังกาย แอปฟิตเนส และวิดีโอฝึกซ้อม | nammanao | หญิง | ไทย อังกฤษ และจีนกลาง | |
| ข้าวต้มเสียงคุณพ่ออารมณ์ดี เหมาะกับแบรนด์ครอบครัว คลิปสอนทำ และเรื่องเล่าในชีวิตประจำวัน | khaotom | ชาย | ไทย อังกฤษ และจีนกลาง | |
| ซ่าหริ่มเสียงสาวข้างบ้านช่างคุย เป็นธรรมชาติ เหมาะกับวล็อก รีวิว และคลิปไลฟ์สไตล์ | salim | หญิง | ไทย อังกฤษ และจีนกลาง | |
| กระยาสารทเสียงคุณตาใจดี พูดช้า ๆ เหมาะกับนิทานก่อนนอน นิทานพื้นบ้าน และข้อคิดชีวิต | krayasat | ชาย | ไทย อังกฤษ และจีนกลาง | |
| เมี่ยงคำเสียงคุณยายดุ ขึงขัง เหมาะกับบทคุณยาย นิทานพื้นบ้าน และเรื่องผี | miangkham | หญิง | ไทย อังกฤษ และจีนกลาง | |
| ทอดมันเสียงพิธีกรเรียกเสียงเชียร์ เหมาะกับงานอีเวนต์ รายการ และการประกาศสด | todmun | หญิง | ไทย อังกฤษ และจีนกลาง | |
| น้ำพริกเสียงผู้หญิงทุ้มแหบมีเสน่ห์ เหมาะกับเรื่องเล่าของแบรนด์ ละคร และรายการคุยยามดึก | namprik | หญิง | ไทย อังกฤษ และจีนกลาง | |
| ไข่เจียวเสียงนักพากย์พลังล้น เหมาะกับอีสปอร์ต ไฮไลต์การแข่งขัน และตัวอย่างเปิดตัว | khaijiao | ชาย | ไทย อังกฤษ และจีนกลาง | |
| ฉู่ฉี่เสียงอาจารย์ชัดเจน รอบรู้ เหมาะกับชั้นเรียน อีเลิร์นนิง และคลิปอธิบาย | chuchi | ชาย | ไทย อังกฤษ และจีนกลาง | |
| ครองแครงเสียงแบบเครื่องจักร เหมาะกับตัวละครไซไฟ เกม และเสียงประกาศของระบบ | krongkraeng | ชาย | ไทย อังกฤษ และจีนกลาง | |
| ช่อม่วงเสียงผู้หญิงเขินอาย จริงใจ เหมาะกับนิยายรัก วิชวลโนเวล และฉากอ่อนโยน | chormuang | หญิง | ไทย อังกฤษ และจีนกลาง | |
| ข้าวหลามเสียงชายทุ้มนุ่ม อ่อนโยน เหมาะกับเรื่องรัก ละครเสียง และเสียงกล่อมนอน | khaolam | ชาย | ไทย อังกฤษ และจีนกลาง | |
| ปลาทูเสียงหนุ่มนักศึกษาชิล ๆ เหมาะกับคอนเทนต์ในมหาวิทยาลัย วล็อกการเรียน และบทสนทนาทั่วไป | plathu | ชาย | ไทย อังกฤษ และจีนกลาง | |
| แกงเผ็ดเสียงทรงพลัง เร้าใจ เหมาะกับหนังตัวอย่าง การเปิดตัวเกม และหนังเปิดตัวสินค้า | kaengphet | ชาย | ไทย อังกฤษ และจีนกลาง | |
| แกงป่าเสียงตัวร้ายหยาบกร้าน น่าเกรงขาม เหมาะกับเกม ละครเสียง และแอนิเมชัน | kaengpa | ชาย | ไทย อังกฤษ และจีนกลาง | |
| มะขามเสียงนางร้ายเย็นชา เฉียบคม เหมาะกับบทนางร้าย จอมเวท และแฟนตาซีโทนมืด | makham | หญิง | ไทย อังกฤษ และจีนกลาง | |
| ปุยฝ้ายเสียงไอดอลหวาน ร่าเริง เหมาะกับ VTuber พิธีกรเสมือน และคอนเทนต์สำหรับแฟนคลับ | puifai | หญิง | ไทย อังกฤษ และจีนกลาง | |
| ตะโก้เสียงอ่านเป็นกันเอง ฟังสบาย เหมาะกับหนังสือเสียง สรุปข่าว และคลิปอธิบาย | tako | หญิง | ไทย อังกฤษ และจีนกลาง |
เสียงของ Paxa TTS Flash (paxa-tts-flash-v1)#
ส่ง "model": "paxa-tts-flash-v1" เพื่อใช้ Paxa TTS Flash ทุกเสียงของ Paxa TTS Flash ออกแบบมาสำหรับภาษาเดียว คือไทย อังกฤษ หรือจีนกลาง และอ่านอีกสองภาษาได้โดยติดสำเนียงต่างชาติ เสียงไทย 4 เสียงเป็นสำเนียงถิ่น (อีสาน เหนือ ใต้)
| เสียง | id | เพศ | ภาษา | ตัวอย่างเสียง |
|---|---|---|---|---|
| ขนมครกเสียงผู้ใหญ่ใจเย็น ไม่เร่งรีบ เสียงชายหลักของทั้งชุด เหมาะกับสารคดี เรื่องเล่าย้อนวัน และงานบรรยาย | khanomkrok | ชาย | ไทย | |
| นมเย็นเสียงสดใสมีพลัง เสียงหญิงหลักของทั้งชุด เหมาะกับโปรโมต คลิปโซเชียล และเสียงพูดในผลิตภัณฑ์ทั่วไป | nomyen | หญิง | ไทย | |
| ฝอยทองเสียงเล่าเรื่องน่าติดตาม เหมาะกับบทอ่านยาวและคลิปอธิบาย | foithong | หญิง | ไทย | |
| มัสมั่นเสียงพระเอกทุ้มลึก หนักแน่น เหมาะกับหนังตัวอย่างและงานประกาศ | massaman | ชาย | ไทย | |
| ทองเอกเสียงผู้ประกาศชัดถ้อยชัดคำ เหมาะกับข่าวและงานองค์กร | thongek | ชาย | ไทย | |
| พะแนงเสียงนุ่มภูมิฐานแบบนักแสดงละครเวที เหมาะกับงานเล่าเรื่องจริงจัง | panang | ชาย | ไทย | |
| โอเลี้ยงเสียงทุ้มสบาย ๆ เหมาะกับรายการชิล ๆ และวิทยุยามดึก | oliang | ชาย | ไทย | |
| เสน่ห์จันทน์เสียงอบอุ่นชวนฟัง มีเสน่ห์แบบค่ำคืน | sanaechan | หญิง | ไทย | |
| ทับทิมกรอบเสียงทุ้มนุ่มเป็นส่วนตัว เหมาะกับบทอ่านยามดึก | tubtimkrob | หญิง | ไทย | |
| หมูปิ้งเสียงวัยรุ่นมั่นใจ เหมาะกับโฆษณาและคลิปสั้น | mooping | ชาย | ไทย | |
| บัวลอยเสียงสาวใส น่ารัก เหมาะกับตัวละครและเรื่องเล่าเบา ๆ | bualoi | หญิง | ไทย | |
| ลูกชุบเสียงเล็ก ๆ น่ารักแบบเด็ก เหมาะกับตัวการ์ตูนและงานสนุก ๆ | lukchup | หญิง | ไทย | |
| ลอดช่องเสียงช้า ๆ แบบใกล้ไมค์ เหมาะกับการฝึกสติและเสียงกล่อมนอน | lodchong | หญิง | ไทย | |
| วุ้นเสียงแผ่วเบา เหมาะกับช่วงผ่อนคลายก่อนนอน | woon | หญิง | ไทย | |
| สังขยาเสียงชายเบา ๆ เหมาะกับเสียงกล่อมนอนและการบรรยายช้า ๆ | sangkaya | ชาย | ไทย | |
| ผัดไทยเสียงพิธีกรสลับไทย-อังกฤษ เหมาะกับงานอีเวนต์และไลฟ์สไตล์ | padthai | หญิง | ไทย | |
| ข้าวเหนียวเสียงชายทุ้มต่ำ ไม่เร่งรีบ เหมาะกับบทนำหายใจ เสียงบรรยายเพื่อสุขภาพใจ และสารคดีจังหวะช้า | khaoniao | ชาย | ไทย | |
| ต้มยำเสียงเพื่อนสนิทสายเม้าท์ เร็ว จัดจ้าน คุยไม่หยุด เหมาะกับสรุปละคร ข่าวบันเทิง และคลิปโซเชียล | tomyum | หญิง | ไทย | |
| ส้มตำเสียงหญิงสำเนียงอีสาน อบอุ่นแบบคนบ้านเดียวกัน | somtam | หญิง | ไทยถิ่นอีสาน | |
| ลาบเสียงชายสำเนียงอีสาน เหมาะกับคอนเทนต์ท้องถิ่น | larb | ชาย | ไทยถิ่นอีสาน | |
| ข้าวซอยเสียงหญิงสำเนียงเหนือ นุ่มช้าแบบล้านนา | khaosoi | หญิง | ไทยถิ่นเหนือ | |
| โรตีเสียงชายสำเนียงใต้ จังหวะกระชับฉับไว | roti | ชาย | ไทยถิ่นใต้ | |
| โดนัทเสียงอังกฤษร่าเริง เหมาะกับโปรโมตและเดโม | donut | หญิง | อังกฤษ | |
| คุกกี้เสียงอังกฤษใจดี ใส่ใจ เหมาะกับงานบริการและออนบอร์ดลูกค้า | cookie | หญิง | อังกฤษ | |
| โทสต์เสียงอังกฤษพูดตรง ๆ ฟังง่าย เหมาะกับบทสอนและวิดีโอแนะนำ | toast | ชาย | อังกฤษ | |
| ลาเต้เสียงอังกฤษนุ่มเนี้ยบ เหมาะกับหนังแบรนด์ | latte | ชาย | อังกฤษ | |
| เอสเพรสโซเสียงอังกฤษชายทุ้มลึก เข้ม จังหวะช้า เหมาะกับนิยายเรื่องยาว สารคดี และหนังตัวอย่าง | espresso | ชาย | อังกฤษ | |
| มอคค่าเสียงอังกฤษหญิงอ่อนโยน ใกล้ชิด เบา ๆ เหมาะกับบทก่อนนอน งานสุขภาพใจ และเสียงเพื่อนคุย | mocha | หญิง | อังกฤษ | |
| เต้าฮวยเสียงจีนกลางหญิงอ่อนโยน เจือความเศร้า เหมาะกับสรุปซีรีส์ นิยายเสียง และเสียงเพื่อนคุย | taohuay | หญิง | จีนกลาง | |
| อู่หลงเสียงจีนกลางชายทุ้มต่ำ นุ่มละมุน เหมาะกับนิยายเสียง บทแบรนด์ และเรื่องเล่ายามดึก | oolong | ชาย | จีนกลาง | |
| ตะโก้เสียงอ่านเป็นกันเอง ฟังสบาย เหมาะกับหนังสือเสียง สรุปข่าว และคลิปอธิบาย | tako | หญิง | ไทย |
ทดลอง
พิเศษ
เสียงรุ่นทดลองในรายการของ Paxa TTS Flash อ่านแท็กอารมณ์ได้ คือคำในวงเล็บเหลี่ยมอย่าง [happy] หรือ [sad:0.5] ที่เขียนไว้ใน text และเปลี่ยนน้ำเสียงตรงที่แท็กแต่ละตัวอยู่ ส่วนเสียงอื่นของ Paxa TTS Flash ทุกเสียงจะข้ามแท็ก
เลือกโมเดล#
ฟิลด์ model จำเป็นต้องระบุ คือ paxa-tts-flash-v2 หรือ paxa-tts-flash-v1 ดูรายการโมเดลทั้งหมดพร้อมรหัสเสียง เพดานตัวอักษรต่อคำขอ และราคาได้ที่ GET /v1/models และดูว่าโมเดลใดให้บริการอยู่ในขณะนี้ได้ที่ GET /health
curl https://api.paxalabs.com/v1/models{
"models": [
{
"id": "paxa-tts-flash-v1",
"name": "Paxa TTS Flash",
"product": "tts",
"max_chars": 5000,
"max_request_chars": null,
"credits_per_1k_chars": 10,
"reference_credits_per_1k_chars": null,
"credits_per_page": null,
"large_schema_credits_per_page": null,
"large_schema_min_leaves": null,
"max_leaves": null,
"credits_per_hour": null,
"max_pages": null,
"max_duration_seconds": null,
"diarization_limit_seconds": null,
"max_session_seconds": null,
"encodings": null,
"max_bytes": null,
"formats": null,
"min_request_credits": 0.1,
"voices": [
"khanomkrok",
"nomyen",
"foithong",
"massaman",
"thongek",
"panang",
"oliang",
"sanaechan",
"tubtimkrob",
"mooping",
"bualoi",
"lukchup",
"lodchong",
"woon",
"sangkaya",
"padthai",
"khaoniao",
"tomyum",
"khanomchan",
"kaprao",
"yoyo",
"somtam",
"larb",
"khaosoi",
"roti",
"donut",
"cookie",
"toast",
"latte",
"espresso",
"mocha",
"taohuay",
"oolong",
"tako"
],
"sources": null,
"target": null
},
{
"id": "paxa-tts-flash-v2",
"name": "Paxa TTS Flash v2",
"product": "tts",
"max_chars": 5000,
"max_request_chars": null,
"credits_per_1k_chars": 10,
"reference_credits_per_1k_chars": null,
"credits_per_page": null,
"large_schema_credits_per_page": null,
"large_schema_min_leaves": null,
"max_leaves": null,
"credits_per_hour": null,
"max_pages": null,
"max_duration_seconds": null,
"diarization_limit_seconds": null,
"max_session_seconds": null,
"encodings": null,
"max_bytes": null,
"formats": null,
"min_request_credits": 0.1,
"voices": [
"khanomkrok",
"nomyen",
"foithong",
"massaman",
"thongek",
"panang",
"oliang",
"sanaechan",
"tubtimkrob",
"mooping",
"bualoi",
"lukchup",
"lodchong",
"woon",
"sangkaya",
"khaoniao",
"tomyum",
"khanomchan",
"kaprao",
"cookie",
"latte",
"espresso",
"mocha",
"taohuay",
"oolong",
"saku",
"satay",
"thongyod",
"baitoey",
"kluaytod",
"matum",
"hormok",
"nammanao",
"khaotom",
"salim",
"krayasat",
"miangkham",
"todmun",
"namprik",
"khaijiao",
"chuchi",
"krongkraeng",
"chormuang",
"khaolam",
"plathu",
"kaengphet",
"kaengpa",
"makham",
"puifai",
"tako"
],
"sources": null,
"target": null
},
{
"id": "paxa-stt-lite-v1-preview",
"name": "Paxa STT Lite",
"product": "stt",
"max_chars": null,
"max_request_chars": null,
"credits_per_1k_chars": null,
"reference_credits_per_1k_chars": null,
"credits_per_page": null,
"large_schema_credits_per_page": null,
"large_schema_min_leaves": null,
"max_leaves": null,
"credits_per_hour": 500,
"max_pages": null,
"max_duration_seconds": 3600,
"diarization_limit_seconds": 540,
"max_session_seconds": null,
"encodings": null,
"max_bytes": 26214400,
"formats": [
"mp3",
"wav",
"flac",
"ogg",
"m4a",
"aac",
"webm"
],
"min_request_credits": 0.1,
"voices": [],
"sources": null,
"target": null
},
{
"id": "paxa-stt-lite-realtime-v1-preview",
"name": "Paxa STT Lite Realtime",
"product": "stt",
"max_chars": null,
"max_request_chars": null,
"credits_per_1k_chars": null,
"reference_credits_per_1k_chars": null,
"credits_per_page": null,
"large_schema_credits_per_page": null,
"large_schema_min_leaves": null,
"max_leaves": null,
"credits_per_hour": 750,
"max_pages": null,
"max_duration_seconds": null,
"diarization_limit_seconds": null,
"max_session_seconds": 14400,
"encodings": [
{
"encoding": "pcm_s16le",
"sample_rates": [
16000,
48000
]
},
{
"encoding": "mulaw",
"sample_rates": [
8000
]
}
],
"max_bytes": null,
"formats": null,
"min_request_credits": 0.1,
"voices": [],
"sources": null,
"target": null
},
{
"id": "paxa-ocr-lite-v1",
"name": "Paxa OCR Lite",
"product": "ocr",
"max_chars": null,
"max_request_chars": null,
"credits_per_1k_chars": null,
"reference_credits_per_1k_chars": null,
"credits_per_page": 6.5,
"large_schema_credits_per_page": null,
"large_schema_min_leaves": null,
"max_leaves": null,
"credits_per_hour": null,
"max_pages": 50,
"max_duration_seconds": null,
"diarization_limit_seconds": null,
"max_session_seconds": null,
"encodings": null,
"max_bytes": 10485760,
"formats": [
"pdf",
"png",
"jpeg",
"webp"
],
"min_request_credits": 6.5,
"voices": [],
"sources": null,
"target": null
},
{
"id": "paxa-doc-extract-v1",
"name": "Paxa Document Extraction",
"product": "extraction",
"max_chars": null,
"max_request_chars": null,
"credits_per_1k_chars": null,
"reference_credits_per_1k_chars": null,
"credits_per_page": 13,
"large_schema_credits_per_page": 19.5,
"large_schema_min_leaves": 51,
"max_leaves": 100,
"credits_per_hour": null,
"max_pages": 20,
"max_duration_seconds": null,
"diarization_limit_seconds": null,
"max_session_seconds": null,
"encodings": null,
"max_bytes": 10485760,
"formats": [
"pdf",
"png",
"jpeg",
"webp"
],
"min_request_credits": 13,
"voices": [],
"sources": null,
"target": null
},
{
"id": "paxa-translation-lite-v1",
"name": "Paxa Translate Lite",
"product": "translation",
"max_chars": 20000,
"max_request_chars": 200000,
"credits_per_1k_chars": 25,
"reference_credits_per_1k_chars": 8,
"credits_per_page": null,
"large_schema_credits_per_page": null,
"large_schema_min_leaves": null,
"max_leaves": null,
"credits_per_hour": null,
"max_pages": null,
"max_duration_seconds": null,
"diarization_limit_seconds": null,
"max_session_seconds": null,
"encodings": null,
"max_bytes": null,
"formats": null,
"min_request_credits": 2,
"voices": [],
"sources": [
"en",
"zh",
"ja",
"ko",
"ar",
"fr",
"de",
"hi",
"id",
"ms",
"pt",
"ru",
"es",
"vi"
],
"target": "th"
}
],
"object": "list",
"data": [
{
"id": "paxa-tts-flash-v1",
"object": "model",
"created": 1785715200,
"owned_by": "paxalabs"
},
{
"id": "paxa-tts-flash-v2",
"object": "model",
"created": 1792108800,
"owned_by": "paxalabs"
},
{
"id": "paxa-stt-lite-v1-preview",
"object": "model",
"created": 1788912000,
"owned_by": "paxalabs"
},
{
"id": "paxa-stt-lite-realtime-v1-preview",
"object": "model",
"created": 1790121600,
"owned_by": "paxalabs"
},
{
"id": "paxa-ocr-lite-v1",
"object": "model",
"created": 1787529600,
"owned_by": "paxalabs"
},
{
"id": "paxa-doc-extract-v1",
"object": "model",
"created": 1789171200,
"owned_by": "paxalabs"
},
{
"id": "paxa-translation-lite-v1",
"object": "model",
"created": 1786320000,
"owned_by": "paxalabs"
}
]
}ตัวเลือกของคำขอ#
คำขอประกอบด้วย text, voice และ model ส่วนฟิลด์อื่นใส่หรือไม่ก็ได้:
formatเลือกรูปแบบไฟล์:mp3(บีบอัด ค่าเริ่มต้น)opus(Ogg Opus 48 kbps บน Paxa TTS Flash และ 64 kbps บน Paxa TTS Flash v2 ขนาดเล็กที่สุด สำหรับการสตรีมและเล่นบนเว็บ)wav(PCM 16 บิตไม่บีบอัด ขนาดใหญ่ที่สุด สำหรับเสียงที่จะนำไปประมวลผลต่อ)pcm(แซมเปิลชุดเดียวกับwavแต่ไม่มีเฮดเดอร์ โมโน 16 บิต little-endian สำหรับ voice agent ที่รับแซมเปิลดิบ) หรือmulawและalaw(G.711 mu-law และ A-law ที่ 8 kHz ไม่มีเฮดเดอร์ สำหรับสายโทรศัพท์ ใช้ได้บน Paxa TTS Flash v2)wavและpcmใช้ 24 kHz เว้นแต่จะกำหนดsample_rateเป็นอัตราอื่น Paxa TTS Flash v2 รองรับ 8000, 16000, 22050, 24000, 32000, 44100, 48000 Hz ทุกรูปแบบและทุกอัตราคิดค่าบริการเท่ากันstreamสลับการส่งจากไฟล์เต็มเป็นการทยอยส่งtimestampsขอช่วงเวลาระดับคำ ประโยค หรือช่วงพูด และเปลี่ยนทั้งรูปแบบการตอบกลับและอัตราค่าบริการspeedกำหนดความเร็วในการพูด ตั้งแต่ 0.5 ถึง 1.5 เท่าของความเร็วที่ออกแบบไว้ของเสียงนั้น ค่าบริการเท่ากันทุกความเร็วtemperatureกำหนดว่าการอ่านแต่ละคำขอจะต่างกันมากแค่ไหน ตั้งแต่ 0 ถึง 2 บน Paxa TTS Flash v2 ค่าบริการเท่ากันทุกค่าlanguageกำหนดวิธีอ่านรหัส ตัวเลข และสัญลักษณ์ ส่วนคำยังอ่านตามภาษาของตัวอักษรที่เขียน และตัวเลขในข้อความภาษาไทยหรือจีนอ่านตามภาษาของข้อความนั้น นอกนั้นthอ่านเป็นภาษาไทยAB2039จึงอ่านชื่อตัวอักษรและตัวเลขเป็นภาษาไทย ส่วนenอ่านเป็นภาษาอังกฤษzhอ่านรหัสเป็นภาษาอังกฤษ อ่านตัวเลขที่อยู่ติดอักษรจีนเป็นจีนกลาง และอ่านตัวเลขกับสัญลักษณ์อื่นเป็นภาษาไทย ค่าเริ่มต้นautoใช้ภาษาที่เขียนเป็นส่วนใหญ่ของข้อความ โดยนับภาษาอังกฤษเฉพาะคำที่มีตัวอักษรตั้งแต่สามตัวขึ้นไป และเลือกภาษาไทยเมื่อสัดส่วนเท่ากัน ตัวเลขล้วนAB2039หรือ250 mlจึงอ่านเป็นภาษาไทย ส่วนISO9001หรือ100 USDอ่านเป็นภาษาอังกฤษ ข้อความที่ไม่มีอักษรไทย อักษรจีน ตัวเลข หรือคำภาษาอังกฤษที่นับได้เลย จะอ่านเป็นภาษาอังกฤษเมื่อมีคำสองตัวอักษรที่มีตัวพิมพ์เล็ก เช่นHiหรือI'm OKระบุthหรือenเพื่อกำหนดวิธีอ่านตัวเลขหรือรหัสในข้อความสั้น ค่าบริการเท่ากันทุกภาษา
ดูรายละเอียดทุกฟิลด์ที่ข้อมูลอ้างอิง API ตัวอย่างด้านล่างเรียกใช้ Paxa TTS Flash v2 หากต้องการ Paxa TTS Flash ให้ส่ง "model": "paxa-tts-flash-v1" พร้อมรหัสเสียงของโมเดลนั้น
curl -X POST https://api.paxalabs.com/v1/tts \
-H "Authorization: Bearer $PAXA_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"text": "สวัสดีครับ ยินดีต้อนรับสู่ Paxa Labs",
"voice": "khanomkrok",
"model": "paxa-tts-flash-v2",
"format": "mp3",
"stream": false
}' \
--output speech.mp3การส่งแบบไฟล์เต็ม (ค่าเริ่มต้น) ตอบกลับพร้อม content-length หากตั้ง stream: true จะได้รับเสียงระหว่างที่ระบบกำลังสังเคราะห์ อ่านข้อดีข้อจำกัดได้ที่การสตรีมเสียง
ขีดจำกัด#
คำขอถึง Paxa TTS Flash v2 รับได้สูงสุด 5,000 ตัวอักษร และถึง Paxa TTS Flash สูงสุด 5,000 ตัวอักษร ข้อความที่ยาวกว่านั้นตอบกลับเป็น 400 text_too_long โดยไม่คิดเครดิต เอกสารยาวควรแบ่งส่งเป็นย่อหน้า ส่วนจำนวนคำขอต่อนาทีขึ้นกับแพ็กเกจ ดูที่จำกัดอัตราคำขอ