负责任 AI

训练数据

Paxa TTS Flash 使用三类数据训练。

• 来自公开互联网来源的文本，让模型学习真实语言的结构、多样性和发音。
• 使用已获适当授权的第三方模型生成的合成语音，按其许可条款使用。
• 为 AI 训练录制的原创人声录音，均经每位声音提供者同意，用于改进发音以及口音和方言的覆盖范围。

边界

声音克隆

模型不提供此功能。

参考音频

没有任何接口接受参考音频。

音色库

固定为 34 个音色。

生成文本

模型不生成任何文本。

决定输出的因素

Paxa TTS Flash v2 用请求指定的音色库音色或设计音色朗读请求发送的文本。

• 朗读由每个请求所带的文本、音色以及可选的语速和语言决定。每个音色都能说泰语、英语和中文。
• 写在文本方括号中的指令按文本计费。扣费之前，模型会拒绝要求口音、机器人或儿童等其他声音、唱歌、音效或指定语言的指令，以及模型未经训练的声音。

边界

声音克隆

模型不提供此功能。

参考音频

没有任何接口接受参考音频。

音色库

固定为 50 个音色。

设计音色

根据文字描述生成，不使用任何录音，只有保存它的账户可以使用。

生成文本

模型不生成任何文本。

决定输出的因素

Paxa STT Lite 按实验室设定的规范撰写转写文本。

• 措辞由每个请求所带的口语或书面规范、逐字或整理风格、语言提示和词汇决定。其余一切取决于录音本身。
• 处理请求时会用到签有合同的处理服务商，它们只按我们的指示处理，不用于任何其他目的。《隐私政策》介绍了这些服务商。

边界

说话人身份

模型记录说了什么，不识别是谁说的。没有任何接口执行声纹识别或生物特征比对。

输出

转写文本，以及按需提供的每个词的时间范围和以编号标记的各说话人轮次。不提供摘要，也不输出姓名。

录音

时长不超过 60 分钟的完整录音文件。

决定输出的因素

Paxa STT Lite Realtime 按实验室设定的规范撰写转写文本。

• 措辞由每个会话所带的口语或书面规范、逐字或整理风格、语言提示和词汇决定。其余一切取决于音频本身。
• 处理会话时会用到签有合同的处理服务商，它们只按我们的指示处理，不用于任何其他目的。《隐私政策》介绍了这些服务商。

边界

说话人身份

模型记录说了什么，不识别是谁说的。没有任何接口执行声纹识别或生物特征比对。

输出

每个轮次的转写文本，以及按需提供的每个词的时间范围。不提供摘要，也不输出姓名。

音频

实时音频，每个会话不超过 4 小时。

训练数据

Paxa OCR Lite 使用两类数据训练。

• 来自公开来源的文档图像和文本，让模型学习现实中出现的版式、文字体系和印刷质量。
• 由实验室渲染的合成文档，覆盖公开来源中样本不足的版式、图像退化情形和泰文特有的排版。

边界

身份识别

模型转写页面上写的内容，不会根据照片识别人物。没有任何接口执行生物特征识别。

输出

仅输出页面文本和版式结构，格式为 Markdown 或带类型的块。

格式

PDF、PNG、JPEG 和 WebP，每个请求最多 50 页。

决定输出的因素

Paxa Translate Lite 按实验室设定的规范写出泰语译文。

• 措辞取决于语域和正式程度、外来词与术语的处理方式，以及每个请求所带的术语表。
• 每个交付的片段都会经过一轮审校，审校标记的问题随译文一并返回。审校不会修改或拒绝任何片段。
• 处理请求时会用到签有合同的处理服务商，它们只按我们的指示处理，不用于任何其他目的。《隐私政策》介绍了这些服务商。

边界

安全过滤

处理服务商会执行自己的安全过滤，被它拒绝的请求在这里同样会被拒绝。无论哪种情况，本页的可接受使用规则都约束每个账户。被拦截的请求会退还积分。

生成文本

模型翻译您发送的文本，不会自行撰写任何内容。