Paxa Labs

Strands Agents Text to Speech ผ่าน MCP

agent Strands ที่ตอบหลายภาษา ต้องมีเสียงพูดสำหรับทุกภาษาที่ตอบ โหลดเซิร์ฟเวอร์ MCP ของ Paxa ผ่าน MCP client ที่มีมาใน Strands แล้ว agent จะพูดภาษาไทย อังกฤษ และจีนกลางด้วยเสียงใดก็ได้ของ Paxa TTS Flash v2 เซิร์ฟเวอร์เดียวกันยังให้เครื่องมือถอดเสียง OCR และแปลภาษาด้วย

เซิร์ฟเวอร์ MCP ของ Paxa เป็นเครื่องมือของ Strands#

agent เปิดเซิร์ฟเวอร์ด้วย npx เมื่อใช้งานครั้งแรก และปิดเมื่อทำงานเสร็จ agent ที่ทำงานบนเซิร์ฟเวอร์ใช้ tool_filters เพื่อเลือกเฉพาะเครื่องมือที่ทำงานกับไฟล์

import os

from mcp import StdioServerParameters, stdio_client
from strands import Agent
from strands.tools.mcp import MCPClient

paxa = MCPClient(lambda: stdio_client(
    StdioServerParameters(
        command="npx",
        args=["-y", "@paxalabs/mcp"],
        env={"PAXA_API_KEY": os.environ["PAXA_API_KEY"]},
    )
))

agent = Agent(tools=[paxa])
agent("Save 'สวัสดีครับ, welcome to the show' as welcome.mp3 with the khanomkrok voice.")
paxa = MCPClient(
    lambda: stdio_client(
        StdioServerParameters(
            command="npx",
            args=["-y", "@paxalabs/mcp"],
            env={"PAXA_API_KEY": os.environ["PAXA_API_KEY"]},
        )
    ),
    tool_filters={
        "allowed": [
            "text_to_speech",
            "transcribe_audio",
            "ocr_document",
            "extract_fields",
            "translate",
            "list_voices",
        ]
    },
)

จากคีย์ถึง agent ที่มีเสียงพูด#

Strands ไม่ต้องใช้แพ็กเกจเฉพาะของ Paxa MCP client ของ Strands โหลดเครื่องมือให้ และ agent ยังใช้ผู้ให้บริการโมเดลเดิม

  1. ติดตั้ง Strands

    ติดตั้ง strands-agents สำหรับ Python หรือ @strands-agents/sdk สำหรับ TypeScript ติดตั้ง Node.js เพื่อใช้ npx แล้วตั้ง PAXA_API_KEY เป็นคีย์จากแดชบอร์ด

  2. โหลดเครื่องมือของ Paxa

    สร้าง MCP client ที่รัน npx -y @paxalabs/mcp โดยมี PAXA_API_KEY ในสภาพแวดล้อม แล้วส่งให้ tools ของ agent

  3. เลือกเครื่องมือที่ต้องใช้

    เครื่องมือเล่นเสียง design_voice refine_voice และ listen ใช้ลำโพงและไมโครโฟนของเครื่องที่รันเซิร์ฟเวอร์ ใน Python ให้ส่ง tool_filters เพื่อเลือกเฉพาะเครื่องมือที่ทำงานกับไฟล์

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

คำถามที่พบบ่อย#

Strands Agents คืออะไร

Strands อธิบายว่า SDK ของตัวเองช่วยให้นักพัฒนาสร้าง จัดการ ประเมินผล และ deploy agent ที่ขับเคลื่อนด้วย AI ได้อย่างรวดเร็ว ใช้ได้ทั้ง Python และ TypeScript และใช้ Amazon Bedrock เป็นผู้ให้บริการโมเดลเริ่มต้น

agent ได้เครื่องมืออะไรจาก Paxa บ้าง

agent ได้เครื่องมือแปลงข้อความเป็นเสียง ถอดเสียง OCR ดึงข้อมูลเป็นฟิลด์ และแปลภาษา หน้าเซิร์ฟเวอร์ MCP แสดงเครื่องมือทั้งหมดพร้อมราคา และเซิร์ฟเวอร์ MCP ของ Paxa ใช้กับ MCP client อื่นได้ด้วย

agent ใช้เสียงไหนได้บ้าง

เสียงพูดทำงานบน Paxa TTS Flash v2 ซึ่งมี 50 เสียง ทุกเสียงพูดได้ทั้งภาษาไทย อังกฤษ และจีนกลาง แท็กคำกำกับที่เขียนลงในข้อความ เช่น [whispering] หรือ [laughs] ใช้กำหนดน้ำเสียง

agent บันทึกไฟล์เสียงไว้ที่ไหน

text_to_speech บันทึกไฟล์ไว้ที่ PAXA_OUTPUT_DIR ซึ่งค่าเริ่มต้นคือโฟลเดอร์ปัจจุบัน ตั้งค่านี้และ PAXA_DEFAULT_VOICE ไว้ใน env คู่กับ PAXA_API_KEY (ตัวแปรสภาพแวดล้อม)

เริ่มต้นด้วยเครดิตฟรี

เข้าสู่ระบบด้วย Google, GitHub หรือ Hugging Face แล้วใช้เครดิตฟรี 100 เครดิตกับข้อความของคุณเอง