文本转语音

会说中文、英语和泰语的文本转语音

在控制台中试用阅读文档

注册即得 100 免费积分，无需绑定银行卡。

Paxa TTS Flash v2 的全部 50 个音色都能说中文、英语和泰语，同一句话里切换也可以。写下台词，再写明想要的语气，每 1,000 字符 10 积分，与 v1 价格相同。

语言: ZH · EN · TH
音色: 50
每百万字符: $10
模型: paxa-tts-flash-v2

要朗读的句子Paxa TTS Flash v2 Pixie

[product advertisement, punchy and upbeat] New season. New colors. In stores this Friday.

Khanom Krok0:03

研发于曼谷，面向中文、英语和泰语

本页所有 Paxa TTS Flash v2 音频都是模型未经剪辑的原始输出。

听文本转语音完成真实工作#

依次收听六个风格各异的音色、混合语言的句子、按语境朗读的数字，以及完整的服务播报。

Khanom Krok，长者

สมัยผมยังหนุ่ม แถวนี้ยังเป็นทุ่งนา เดินไปตลาดทีหนึ่งก็ค่อนวันแล้วครับ

khanomkrok · paxa-tts-flash-v2

Nom Yen，附逐词时间

ยินดีต้อนรับสู่ Paxa Labs ค่ะ เสียงภาษาไทยที่สลับเป็น English ได้กลางประโยค อย่างเป็นธรรมชาติ

nomyen · paxa-tts-flash-v2

Massaman，男主角

ในเมืองที่ไม่เคยหลับ มีเรื่องราวหนึ่งรอให้ใครสักคนกล้าเล่ามันออกมา

massaman · paxa-tts-flash-v2

Foi Thong，旁白

เรื่องราวทุกเรื่องมีจุดเริ่มต้น และวันนี้ ฉันจะเล่าให้คุณฟังตั้งแต่ต้นจนจบค่ะ

foithong · paxa-tts-flash-v2

Latte，品牌片音色

Every great brand has a story. Tonight, we're going to tell yours.

latte · paxa-tts-flash-v2

Tao Huay，剧集女主角

如果时间可以倒流，我还是会在那个下雨的傍晚，安静地等你回来。

taohuay · paxa-tts-flash-v2

句子中间的快递单号

ออเดอร์ของคุณกำลังจัดส่งโดย Flash Express หมายเลขพัสดุ TH123456789 ค่ะ

nomyen · paxa-tts-flash-v2

来回切换的词汇课

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

nomyen · paxa-tts-flash-v2

只切换一句的 IVR 语音

ขออภัยค่ะ เจ้าหน้าที่ทุกท่านกำลังให้บริการ For English, please press 9. กรุณาถือสายรอสักครู่นะคะ

nomyen · paxa-tts-flash-v2

金额和日期

สวัสดีค่ะ คุณสมชาย ยอดชำระของท่านจำนวน 1,250 บาท ครบกำหนดวันที่ 15 สิงหาคมนี้ ชำระผ่านแอปได้ตลอด 24 ชั่วโมงค่ะ

nomyen · paxa-tts-flash-v2

四位数余额

ยอดคงเหลือในบัญชีของคุณคือ 8,432 บาทค่ะ ต้องการทำรายการอื่นเพิ่มไหมคะ

nomyen · paxa-tts-flash-v2

叫号

หมายเลข 47 เชิญช่องบริการที่ 3 ค่ะ

nomyen · paxa-tts-flash-v2

双语安全广播

เพื่อความปลอดภัย กรุณายืนหลังเส้นเหลือง For your safety, please stand behind the yellow line.

nomyen · paxa-tts-flash-v2

没有标点的新闻导语

ข่าวด่วน กรมอุตุนิยมวิทยาเตือนฝนตกหนักในพื้นที่กรุงเทพฯ และปริมณฑลช่วงเย็นวันนี้

nomyen · paxa-tts-flash-v2

完整的客服来电

สวัสดีค่ะ ขอบคุณที่ติดต่อบริษัทของเรา กด 1 เพื่อติดต่อฝ่ายขาย กด 2 ฝ่ายบริการลูกค้า หรือกด 0 เพื่อติดต่อเจ้าหน้าที่ค่ะ

nomyen · paxa-tts-flash-v2

把情绪写进文本#

Paxa TTS Flash v2 的每个音色都能读出写在文本里的方括号语气提示，例如 [happy]、[calm] 或 [sad:0.6]。

[happy] สอบผ่านแล้ว [sad:0.6] แต่คงคิดถึงที่นี่

Khanom Chan0:03

产品实际写出的带标签台词

每一行都是一次请求的文本，连同标签按原样发送。音频就是这次请求返回的结果。

[happy] ได้ข่าวว่าสอบผ่านแล้ว ดีใจด้วยจริง ๆ นะ [sad:0.6] แต่ก็ใจหายเหมือนกัน ต่อไปคงไม่ค่อยได้เจอกันแล้ว [calm] ไม่เป็นไร เดี๋ยวเรานัดกินข้าวกันนะ

Khanom Chan0:10

AI 陪伴的回复，一轮三个标签

听说你考过了，真替你高兴。也有点舍不得，以后大概很少见面了。没关系，改天一起吃饭吧。

成文的泰语朗读规则#

泰语的拼写和读音并非逐字对应。每一行列出应有的读法，以及一个实用的语音模型必须还原的上下文。

拼写里藏起来的音节

กด

kot

元音确实存在，却从不写出来，字符串里没有任何标记。

สรร · กรรม

สัน · กัม

san · kam

双写的 -รร 在词尾读作 an，后面跟着尾辅音时读作 am，朗读者必须往后看。

ขรม

ขะ-หฺรม

kha-rom

按官方读法是两个音节。这是引导辅音结构，与 ปลา 这样的真正复辅音不同。

ปลา · ปลัด

ปลา · ปะ-หลัด

plaa · pa-lat

同样两个字母，在一个词里构成复辅音，在另一个词里却分属两个音节。

รัฐศาสตร์

รัด-ถะ-สาด

rat-tha-saat

凭空多出一个连接音节，却没有任何字母来提示它。

จักรยาน · จักรี

จัก-กระ-ยาน · จัก-กรี

jak-kra-yaan · jak-kri

同样的字母可以切分成不同的音节，只有词本身说了算。

แพทย์ · จันทร์

แพด · จัน

phaet · jan

不发音符号会删去字母的读音，จันทร์ 一次就删掉两个。

符号、重复与数字

เด็กเล็ก ๆ

เด็ก-เล็ก-เล็ก

dek-lek-lek

ๆ 在这里重复一个词，在 ในวันหนึ่ง ๆ 中重复两个音节，在 แต่ละวัน ๆ 中重复整个短语，重复的范围由词义决定。

กรุงเทพฯ

กรุง-เทบ-มะ-หา-นะ-คอน

krung-thep-maha-nakhon

ฯ 在这里补回六个音节，王室用语则改为重复可见的部分（โปรดเกล้าฯ）。

ฯลฯ

และอื่น ๆ · ละ-ถึง

lae uen uen · la-thueng

放在列表末尾是一种读法，放在两项之间（ก ฯลฯ ฮ）则读作“到”。

ก.พ.

กุม-พา-พัน หรือ กอ-พอ

kumphaphan or ko-pho

两种合规的读法并存。一种读出完整的词，另一种读出字母名称，后者是长缩写通行的读法。

๑๐๑ · 10150

ร้อย-เอ็ด · หนึ่ง-ศูนย์-หนึ่ง-ห้า-ศูนย์

roi-et · digit by digit

表示数量时，末位的一读作 เอ็ด。邮政编码逐位朗读，๑๖.๓๐ น. 则读作钟点时间。

๒๕๖๙ · 2026

泰文数字和阿拉伯数字出现在同一句话里，Unicode 的泰文区块自带一套零到九的数字。

真实文本经常打破这些规则。实用的朗读系统必须同时处理规范写法和人们实际输入的内容。

断句来自语境

泰语书写通常不在词与词之间留空格。Flash 根据整句找出短语边界。长段落的停顿自然，每次停顿都落在短语边界上，从不按固定字数断开。

读音取决于语境

同样的字母可以拆成不同的音节，符号可以让某些音不发出来，数字的读法也随用途改变。Flash 先理解完整的词和句子，再开口朗读。

英语也不出戏

产品名称、快递单号和完整的英语分句，都与周围的泰语保持同一个音色，自始至终是同一位说话人、同一种演绎。

带时间戳的语音#

Nom Yen 朗读演员阵容中的那句台词，并显示 timestamps 选项返回的逐词时间段。

Nom Yen0:07

时间戳

使用文本转语音 API 开发#

阅读文档

HTTP 流式输出: 将 stream 设为 true，合成尚未结束，分块音频就开始陆续到达。; stream: true
兼容 OpenAI: 把 OpenAI SDK 指向 /v1/audio/speech，其余代码保持不变。; /v1/audio/speech
词级时间戳: 返回词、句或整段话语的时间段，用于字幕和跟读界面。; timestamps: "word" | "sentence" | "utterance"

API 参考

curl -X POST https://api.paxalabs.com/v1/tts \
  -H "Authorization: Bearer $PAXA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "[whispering] I can'\''t believe it. [ecstatic] We actually did it!",
    "voice": "foithong",
    "model": "paxa-tts-flash-v2"
  }' \
  --output foithong.mp3

import { writeFile } from "node:fs/promises";

const response = await fetch("https://api.paxalabs.com/v1/tts", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.PAXA_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    text: "[whispering] I can't believe it. [ecstatic] We actually did it!",
    voice: "foithong",
    model: "paxa-tts-flash-v2",
  }),
});
if (!response.ok) throw new Error(`TTS failed: ${response.status}`);
await writeFile("foithong.mp3", Buffer.from(await response.arrayBuffer()));

import os
import requests

response = requests.post(
    "https://api.paxalabs.com/v1/tts",
    headers={"Authorization": f"Bearer {os.environ['PAXA_API_KEY']}"},
    json={
        "text": "[whispering] I can't believe it. [ecstatic] We actually did it!",
        "voice": "foithong",
        "model": "paxa-tts-flash-v2",
    },
)
response.raise_for_status()
with open("foithong.mp3", "wb") as f:
    f.write(response.content)

泰语的难点，逐一朗读#

输入文本

เมื่อเช้ามี meeting กับ team ตั้งแต่เก้าโมง ตอนแรกกะจะ present slide ที่เตรียมไว้ แต่ boss ขอ move ไปคุยเรื่อง budget ก่อน เพราะ client เพิ่งส่ง feedback มาว่าอยากได้ timeline ที่ clear กว่านี้ สรุปคือทั้ง team ต้อง revise plan ใหม่หมด แล้ว submit ภายในวันศุกร์ เครียดมาก ขนาด lunch ยังไม่ได้กินเลย บ่ายนี้ก็มี call กับ vendor อีกรอบ สงสัยต้องสั่ง coffee มา boost พลังก่อนแล้วล่ะ

真实的泰国办公室口语会在句子中途切换到英语。这里的 meeting、budget、feedback 和 timeline 都嵌在泰语语法里，朗读者必须用同一个声音兼顾两种语言，中途不能卡顿。

在语音页面打开

Paxapaxa-tts-flash-v1 · Massaman · 0:251×标价
ElevenLabsEleven v3 · 0:228×标价
Google GeminiGemini 3.1 Flash TTS · 0:275×标价
CartesiaSonic 3.5 · 0:225×标价
MiniMaxspeech-2.8-hd · 0:2610×标价
iAppChindaTTS · 0:276.8-9.5×标价
Narakeetdefault voice · 0:208.3-33×标价
Botnoi Voicedefault voice · 0:3136-69×标价

样本生成于 2026年8月18日。价格倍数以各服务商每百万字符的公开标价与 Paxa 的价格相比，标价核实于 2026年10月。

ElevenLabs（在新标签页中打开）Google Gemini（在新标签页中打开）Cartesia（在新标签页中打开）MiniMax（在新标签页中打开）iApp（在新标签页中打开）Narakeet（在新标签页中打开）Botnoi Voice（在新标签页中打开）

每家服务商朗读的都是同一段文本。除了为公平试听统一音量、为发布转码为 AAC 之外，音频未经剪辑，每段音频所用的模型都标注在所在行。

文本转语音的费用#

积分，每 1,000 字符: 10
一小时中文语音: $0.16154.2 积分
一次满额请求（5,000 字符）: $0.0550 积分

费用精确到分。积分在所有 Paxa API 之间通用。

先用 100 免费积分开始，无需绑卡。用量增长后，Starter 套餐每月 $6，含 8,100 积分，充值包永不过期。

查看套餐与充值

常见问题#

音色听起来有多自然？

先听听页面上的音频，再把您自己的文本粘贴到控制台，用耳朵判断。新账户可获得 100 免费积分，用您熟悉的内容测试这些音色。

能在一句话中途切换泰语和英语吗？

可以。一次请求可以让同一个音色贯穿两种语言，包括产品名称、快递单号和完整的英语分句。上方的音频中有三个示例可以收听。

一小时语音要多少钱？

中文约 $0.15，英语约 $0.54，泰语约 $0.36。价格为每 1,000 字符 10 积分，一小时中文语音约 15,420 字符，英语约 53,820 字符，泰语约 36,360 字符。请求失败会自动退还积分。

可以免费试用吗？

可以。新账户无需绑卡即可获得 100 积分，约可转换 10,000 字符，大约相当于 38 分钟中文语音、11 分钟英语语音或 16 分钟泰语语音。之后按每 1,000 字符 10 积分计费。

泰语的数字和日期怎么读？

模型依据上下文判断。数量、编号、邮政编码和钟点时间各有各的读法。上方的音频可以让您亲自检查金额、日期、余额和排队号码。

什么样的 AI TTS 模型擅长泰语？

泰语语音合成在发声之前，必须先还原音节边界、声调，以及词语在语境中的读法。Flash 把泰语当作第一语言来读，能从周围的句子中解析出这三者。上方的朗读规则收集了逐字朗读的系统会读错的情况。

可以流式获取音频吗？

可以，有三种方式。分块 HTTP 流式输出让第一段音频尽快到达，兼容 OpenAI 的端点可配合您现有的 SDK 使用，实时 WebSocket 则能在您的 LLM 还在生成文本时就开始说话。

支持 OpenAI SDK 吗？

支持。把 SDK 的 base URL 指向本 API，再调用 /v1/audio/speech。请求默认以流式返回，按相同的每字符价格计费。

能获取词级时间戳来做字幕吗？

可以。您可以请求词、句或整段话语级别的时间段。“带时间戳的语音”一节把同样结构的数据呈现为实时跟读高亮。

能调整语速吗？

可以。speed 字段接受 0.5 到 1.5 之间的倍数，以音色设计时的语速为基准。它不影响请求的费用，因为价格只按字符数计算。

声音能表现开心或难过吗？

可以。Paxa TTS Flash v2 的每个音色都能读出写在文本里的方括号语气提示，例如 [happy] 或 [sad:0.6]。标签字符与其他文本一样计费。上方的情感部分播放了两句带标签的台词。

生成的音频可以商用吗？

可以，只要您订阅了任意付费套餐或购买过积分。根据服务条款，生成的音频归您所有，包括首次购买前用免费积分生成的音频。您可以把它用在自己的产品、视频或电话系统中。只用免费积分时，用途限于个人项目和评估。

更新日志#

2026年10月28日
Temperature 和停顿标签
Paxa TTS Flash v2 现在可在 POST /v1/tts、POST /v1/audio/speech 和实时连接的 start 帧中读取 temperature。取值范围为 0 至 2，默认为 0.5，用于设定每次请求之间朗读的差异程度。未设置该值的请求按 0.5 朗读，变化比以前更小。设为 0 时，同一音色朗读同一文本的变化最小。控制台的 Speech 工具可通过滑块设置该值。[short pause]、[pause] 和 [long pause] 会在标签前的词之后加入停顿，[pause 300ms] 可设定精确时长，最长 500 毫秒，超出时按 500 毫秒播放。[emphasis] 现在作为指令读取。
2026年10月26日
兼容 OpenAI 的应用可用 sample_rate 及音色和模型列表
POST /v1/audio/speech 现在像 POST /v1/tts 一样读取 pcm 和 wav 的 sample_rate。其他格式会忽略该字段，但取值仍须是列出的采样率之一。以固定采样率播放原始 pcm 的语音平台会收到该采样率的音频；Paxa TTS Flash 仅支持 24000 Hz，其他采样率会返回 unsupported_format。GET /v1/audio/voices 和 GET /v1/audio/models 分别列出 Paxa TTS Flash v2 的音色和该模型本身，均无需密钥，Open WebUI 等兼容 OpenAI 的应用会从这两个路径填充选择列表。实时 socket 的 started 事件现在会标明音频的 format 和 sample_rate。
2026年10月24日
支持 OpenAI 名称、原始 pcm 和电话线路音频
POST /v1/audio/speech 接受 OpenAI 的模型名 tts-1、tts-1-hd、gpt-4o-mini-tts、gpt-4o-mini-tts-2025-03-20、gpt-4o-mini-tts-2025-12-15，它们在 paxa-tts-flash-v2 上运行；也接受其 13 个音色名，各自对应一个 Paxa TTS Flash v2 音色。响应头 x-voice-id 会标明实际发声的音色。所有语音合成接口都支持原始 pcm，Paxa TTS Flash v2 还可通过 sample_rate 输出 8 至 48 kHz 的 pcm 和 wav，并为电话线路提供 8 kHz 的 G.711 mulaw 和 alaw。
2026年10月23日
通过 API 设计音色
POST /v1/voices/design 可根据描述生成音色，或按指令调整草稿，返回音色信息和 MP3 格式的示例句，每次调用 5 积分。POST /v1/voices/designed 保存草稿，GET /v1/voices/designed 列出账户的音色和名额，PATCH 和 DELETE /v1/voices/designed/{id} 用于重命名和删除音色。控制台和 API 生成的草稿可在任一处保存。
2026年10月21日
设计你自己的音色
控制台中的音色设计工具可将文字描述变成一个音色，并用它朗读一句示例。提出修改要求，它会给出修改后的音色。每轮设计或修改收费 5 积分。保存后的音色会获得以 voice_ 开头的 id，可在 POST /v1/tts、兼容 OpenAI 的接口和实时流式中搭配 Paxa TTS Flash v2 使用，仅限你的账户。使用该音色的语音按标准价格的 1.25 倍计费，启用时间戳时为 1.5 倍。免费套餐可保存 1 个音色，Starter 3 个，Standard 10 个，Pro 50 个。
2026年10月16日
Paxa TTS Flash v2 现已开放使用
Paxa TTS Flash v2（paxa-tts-flash-v2）现可通过 POST /v1/tts、兼容 OpenAI 的接口、实时流式和控制台中的语音工具使用。用中文、英语或泰语写在方括号里的指令决定其后文字的演绎方式，声音、犹豫词以及 <emph> 和 <whisper> 标记在所写的位置生效。全部 50 个音色都会说中文、英语和泰语，价格与 Paxa TTS Flash 相同，每 1,000 字符 10 积分。
2026年10月1日
语音价格降低三分之一
Paxa TTS Flash 现在每 1,000 字符 10 积分，即每百万字符 $10，此前为 15 积分。新价格适用于所有语音请求和控制台中的语音工具，时间戳和实时流式也按相同比例下调。余额或套餐中已有的积分，现在可朗读的文本增加 50%。
2026年10月1日
语音的语言设置
新的语言设置让音色更准确地朗读中文、英语和泰语文本。把它设为文本所用的语言，数字、符号以及 AB2039 这类代码就会按该语言的习惯朗读。默认的自动模式会根据文本自行判断。该设置适用于 POST /v1/tts、实时流式和控制台中的语音工具，不改变费用。
2026年9月25日
两个实验性音色支持情感标签
Khanom Chan 和 Kaprao 作为实验性音色加入 Paxa TTS Flash，能读出写在文本里的情感标签，音色库增至 34 个。标签共 26 个，例如 [happy]、[sad] 和 [furious]，每个都可附加 0 到 1 的可选权重，如 [sad:0.5]。标签字符按文本计费，其他音色会跳过标签，GET /v1/voices 新增 experimental 和 emotion_tags 字段。
2026年9月14日
中文与六个新音色
Paxa TTS Flash 现在除泰语和英语外，还能朗读简体中文。音色库扩展到 32 个，新增中文的 Tao Huay 和 Oolong、英语的 Espresso 和 Mocha，以及泰语的 Khao Niao 和 Tom Yum。GET /v1/voices 的 language 字段新增取值“zh”。
2026年9月6日
面向智能体的 MCP 服务器
@paxalabs/mcp 让 Claude Code、Claude Desktop、Cursor 和其他 MCP 客户端以工具形式使用本 API，包括通过本机扬声器播放语音、把语音保存为文件、翻译成泰语，以及 OCR。Claude Code 需要您时，paxa say 钩子会出声提醒。
2026年9月1日
打断实时回复
/v1/tts/live 上的 cancel 帧会停止正在朗读的片段，并丢弃仍在缓冲区中的文本。说话人一开口插话，助手就能立刻停下。被停止的片段保留其回执中报告的费用，被丢弃的缓冲内容从未计费。
2026年8月9日
时间戳与实时流式
请求可以返回词、句或整段话语级别的时间信息，/v1/tts/live WebSocket 能在文本仍在陆续到达时就以流式输出语音。
2026年8月3日
语音 API 上线
Paxa TTS Flash（paxa-tts-flash-v1）通过 POST /v1/tts 向公众开放：提供泰语和英语语音合成，先扣费后合成，请求失败自动退还积分。

免费开始：用 100 积分体验文本转语音

无需绑卡，也无需联系销售。100 积分约可转换 10,000 字符，大约是 38 分钟中文语音，50 个音色任您选用。登录，粘贴文本，一分钟内就能听到。

免费开始

会说中文、英语和泰语的文本转语音

研发于曼谷，面向中文、英语和泰语

听文本转语音完成真实工作#

Khanom Krok，长者

Nom Yen，附逐词时间

Massaman，男主角

Foi Thong，旁白

Latte，品牌片音色

Tao Huay，剧集女主角

句子中间的快递单号

来回切换的词汇课

只切换一句的 IVR 语音

金额和日期

四位数余额

叫号

双语安全广播

没有标点的新闻导语

完整的客服来电

把情绪写进文本#

产品实际写出的带标签台词

AI 陪伴的回复，一轮三个标签

成文的泰语朗读规则#

拼写里藏起来的音节

符号、重复与数字

断句来自语境

读音取决于语境

英语也不出戏

带时间戳的语音#

使用文本转语音 API 开发#

泰语的难点，逐一朗读#

文本转语音的费用#

常见问题#

更新日志#

Temperature 和停顿标签

兼容 OpenAI 的应用可用 sample_rate 及音色和模型列表

支持 OpenAI 名称、原始 pcm 和电话线路音频

通过 API 设计音色

设计你自己的音色

Paxa TTS Flash v2 现已开放使用

语音价格降低三分之一

语音的语言设置

两个实验性音色支持情感标签

中文与六个新音色

面向智能体的 MCP 服务器

打断实时回复

时间戳与实时流式

语音 API 上线

免费开始：用 100 积分体验文本转语音