Paxa Labs

เสียงอ่านบทเรียนภาษาไทยสำหรับอีเลิร์นนิง

สร้างเสียงบรรยายคอร์สออนไลน์และสื่ออบรมทั้งภาษาไทย อังกฤษ และจีนกลางจากสคริปต์ชุดเดียว สั่งเป็นชุดได้ไฟล์ MP3 รายสไลด์ วางลง LMS แล้วสร้างใหม่ได้ทันทีที่เนื้อหาเปลี่ยน

ไอเดียให้ลองเล่น

เสียงเปิดบทเรียน

บทที่ 3 ความปลอดภัยในการทำงาน หลังจบบทเรียนนี้ ผู้เรียนจะสามารถระบุความเสี่ยงพื้นฐานในพื้นที่ทำงานได้

คำถามท้ายบท

คำถามข้อที่ 5 ข้อใดคือขั้นตอนแรกเมื่อพบเหตุเพลิงไหม้ในอาคาร

ฝึกคำศัพท์สองภาษา

คำศัพท์วันนี้คือ negotiate แปลว่า เจรจาต่อรอง ลองฟังตัวอย่างประโยคนะคะ We need to negotiate the contract terms.

เสียงปิดท้ายคอร์ส

จบบทเรียนแล้วค่ะ ทบทวนเนื้อหาได้ทุกเมื่อ แล้วพบกันในบทถัดไปนะคะ

ทุกการ์ดเล่นคลิปจริงที่สร้างจากสคริปต์นั้น ๆ ด้วยเสียงนมเย็น เปิดในหน้าเสียงพูดเพื่อให้พูดข้อความของคุณเองได้

ทีมผลิตคอร์สใช้ API อย่างไร

การเรียนออนไลน์ของไทยมีโครงสร้างระดับสถาบันรองรับ ThaiMOOC เป็นแพลตฟอร์มระดับชาติมาตั้งแต่ปี 2016 และแพลตฟอร์มเชิงพาณิชย์มีคอร์สออนไลน์หลายพันรายการจากผู้สอนอิสระกว่าพันคน เสียงบรรยายของคอร์สเหล่านี้เป็นขั้นตอนการผลิตที่มีค่าใช้จ่ายจริง สตูดิโอไทยขายงานลงเสียงสื่อการเรียนการสอนเป็นหมวดบริการโดยประกาศราคาเริ่มราว 1,000 บาท และการจองคิวสตูดิโอคือสิ่งที่คั่นระหว่างสไลด์ที่แก้เสร็จกับคอร์สที่อัปเดตแล้ว Text-to-Speech API เปลี่ยนเสียงบรรยายให้เป็นขั้นตอนอัตโนมัติ สคริปต์แต่ละสไลด์แปลงเป็นไฟล์ MP3 ในงานชุดเดียว ไฟล์วางลงแพ็กเกจ SCORM หรือไทม์ไลน์วิดีโอ เมื่อเนื้อหาเปลี่ยนก็สร้างเฉพาะสไลด์ที่แก้ใหม่ด้วยเสียงเดิม และหลักสูตรเวอร์ชันไทยกับอังกฤษมาจากสคริปต์ชุดเดียวกัน สำหรับคอร์สที่แสดงสคริปต์ควบคู่กับตัวเล่นเสียง คำขอเดียวกันยังคืนช่วงเวลารายคำมาด้วย ข้อความจึงไฮไลต์ตามบรรทัดที่ผู้เรียนกำลังฟังได้

ที่มา:SkillLane(เปิดในแท็บใหม่)Mellowly Studio(เปิดในแท็บใหม่)

  1. สร้างเสียงทั้งคอร์สในงานเดียว

    หนึ่งคำขอต่อหนึ่งสไลด์หรือหนึ่งฉาก ได้ไฟล์ MP3 ตั้งชื่อตามโมดูล สคริปต์งานชุดไล่ตามโครงหลักสูตรแล้วเขียนไฟล์พร้อมใช้ในแพ็กเกจ SCORM หรือไทม์ไลน์วิดีโอ

  2. สร้างใหม่เมื่อเนื้อหาเปลี่ยน

    สไลด์ที่แก้ไขคือสคริปต์หนึ่งไฟล์กับคำขอหนึ่งครั้ง ไฟล์ใหม่แทนที่ไฟล์เดิมด้วยเสียงเดิม การปรับปรุงหลักสูตรจึงไม่ต้องรอคิวสตูดิโอ

  3. ออกสองภาษาจากไปป์ไลน์เดียว

    สคริปต์ภาษาไทยและอังกฤษวิ่งผ่านงานเดียวกันด้วยเสียงเดียวกัน ได้คอร์สสองภาษาโดยไม่ต้องมีกระบวนการผลิตชุดที่สอง

หนึ่งคอร์ส หนึ่งงานชุด

course/
course-safety-2026/
├─ th/
│  └─ slide-01.mp3 … slide-30.mp3
└─ en/
   └─ slide-01.mp3 … slide-30.mp3
(สคริปต์เดียวกัน เสียงเดียวกัน สองภาษา)

ผู้เรียนไทยอยู่ตรงไหนแล้ว

1.5 ล้าน

ผู้เรียนบน Thai MOOC

ผู้ลงทะเบียนเรียนบนแพลตฟอร์มการเรียนออนไลน์ระดับชาติ

589

รายวิชาที่เปิดสอน

จำนวนรายวิชาบนแพลตฟอร์มเดียวกัน ซึ่งแต่ละวิชาคืองานลงเสียงหนึ่งชุดในขั้นตอนผลิต

104

สถาบันสมาชิก

มหาวิทยาลัยและหน่วยงานที่เปิดรายวิชาผ่านแพลตฟอร์มนี้

8 ชั่วโมง

ออนไลน์ต่อวัน

เวลาที่ผู้ใช้อินเทอร์เน็ตชาวไทยอยู่บนออนไลน์ในแต่ละวัน ซึ่งเป็นช่วงเวลาที่บทเรียนพร้อมเสียงบรรยายถูกเปิดฟัง

ตัวเลข Thai MOOC มาจากสรุปของภาครัฐเมื่อปี 2566 ซึ่งเป็นภาพ ณ เวลานั้น และจำนวนบนแพลตฟอร์มเปลี่ยนได้ตลอด ส่วนเวลาออนไลน์ต่อวันมาจากผลสำรวจพฤติกรรมผู้ใช้อินเทอร์เน็ตของ ETDA ทั้งสองตัวเลขจะปรับตามฉบับล่าสุดเมื่อเผยแพร่

ที่มา:thailand.go.th (2023)(เปิดในแท็บใหม่)ETDA(เปิดในแท็บใหม่)

ขนาดคอร์สกับค่าใช้จ่าย

ขนาดคอร์สกับค่าใช้จ่าย
คอร์สตัวอักษรเครดิตค่าใช้จ่าย
10 สไลด์5,00050$0.05
100 สไลด์50,000500$0.50
คอร์ส 30 สไลด์พร้อมเสียงบรรยายครบประมาณ $0.15

คำนวณที่ประมาณ 500 ตัวอักษรต่อสไลด์ ที่อัตราคงที่ $10 ต่อหนึ่งล้านตัวอักษร คอร์ส 30 สไลด์คิดเป็นเสียงบรรยายราว 24 นาที ที่อัตรา 606 ตัวอักษรต่อนาที ภาษาที่สองเพิ่มเฉพาะจำนวนตัวอักษร ไม่มีค่าใช้จ่ายอื่น

สำหรับนักพัฒนา

ตัวอย่างทั้ง curl, TypeScript และ Python ขอ timestamps เป็น "word" เสียงของสไลด์จึงกลับมาพร้อมช่วงเวลารายคำ ซึ่งเป็นข้อมูลที่ตัวเล่นใช้ไฮไลต์ข้อความตามเสียงที่กำลังอ่าน

เอกสารอ้างอิง API ฉบับเต็ม
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",
    "timestamps": "word"
  }' \
  -o response.json

jq -r .audio response.json | base64 -d > speech.mp3
jq .timing.spans response.json

ฟังเสียงจริง

เสียงบางส่วนจากทั้งหมด 50 เสียง สร้างจาก API ด้วยรหัสเสียงที่เปิดให้ใช้งานจริง ฟังครบทุกเสียงได้ที่หน้า Text-to-Speech

  • ฉู่ฉี่เฉพาะ v2เปิดในหน้าเสียงพูด
  • ขนมครกv1 + v2เสียงชายหลัก
  • ฝอยทองv1 + v2เสียงเล่าเรื่อง
  • บัวลอยv1 + v2เสียงสาวใส

สร้างเพื่อการอ่านออกเสียงภาษาไทย

ในภาษาไทย ความสั้นยาวของสระอย่างเดียวก็เปลี่ยนคำหนึ่งให้เป็นอีกคำหนึ่งได้ และคำที่สะกดเหมือนกันก็เป็นได้สองคำ Paxa TTS Flash v2 รักษาความต่างของสระเสียงสั้นกับเสียงยาว และเลือกอ่านคำพ้องรูปจากบริบท บทเรียนจึงถูกอ่านตรงตามความหมายที่ต้องการ รวมถึงศัพท์ภาษาอังกฤษที่คอร์สภาษาไทยมีอยู่เสมอ

คำถามที่พบบ่อย

คอร์สเดียวออกได้ทั้งภาษาไทยและอังกฤษไหม

ได้ สคริปต์ทั้งสองภาษาใช้รูปแบบคำขอเดียวกัน และประโยคที่ไทยปนอังกฤษในสคริปต์เดียวอ่านด้วยเสียงเดียว

LMS จะได้ไฟล์รูปแบบไหน

MP3 แบบไฟล์เต็มโดยค่าเริ่มต้น เครื่องมือสร้างแพ็กเกจ SCORM และโปรแกรมตัดต่อวิดีโอใช้ไฟล์ได้โดยตรง

หนึ่งคำขอบรรยายได้ยาวแค่ไหน

ยาวได้ถึง 5,000 ตัวอักษร หรือราว 8 นาทีของเสียง สคริปต์ที่ยาวกว่านั้นแบ่งตามสไลด์หรือย่อหน้า

ถ้างานชุดล้มเหลวกลางคันจะเกิดอะไรขึ้น

แต่ละคำขอคิดเครดิตก่อนสังเคราะห์และคืนอัตโนมัติเมื่อล้มเหลว และการส่งซ้ำด้วย Idempotency-Key จะได้ผลลัพธ์เดิมโดยไม่คิดเครดิตใหม่ การรันงานชุดซ้ำจึงปลอดภัย

ให้ตัวเล่นไฮไลต์ข้อความตามเสียงที่ผู้เรียนกำลังฟังได้ไหม

ได้ กำหนด timestamps เป็น "word" แล้วคำตอบจะมีทั้งไฟล์เสียงและช่วงเวลารายคำ ตัวเล่นจึงไฮไลต์บรรทัดที่กำลังอ่านอยู่ได้ คำขอที่ขอเวลากำกับคิดราคาเป็น 1.25 เท่าของอัตราต่อตัวอักษร ส่วนเสียงบรรยายที่ไม่ขอเวลากำกับคิดราคาเท่าเดิม

เริ่มต้นด้วยเครดิตฟรี

เข้าสู่ระบบด้วย Google, GitHub หรือ Hugging Face แล้วใช้เครดิตฟรี 100 เครดิตกับข้อความของคุณเอง

บทความที่เกี่ยวข้อง