中文、英语和泰语的无障碍音频

把中文、英语和泰语的网页、文档和应用内容转成自然的语音,供印刷品阅读障碍者、低视力用户和老年听众收听。内容发布时即完成合成,并缓存为 MP3。

可以试试的想法

收听本页的开场提示

คุณกำลังฟังเวอร์ชันเสียงของหน้านี้ อัปเดตล่าสุดเมื่อวันที่ 6 สิงหาคม 2569

Nom Yenpaxa-tts-flash-v2在语音页面打开
区公所公告

ประกาศจากสำนักงานเขต เรื่องการรับเบี้ยยังชีพผู้สูงอายุประจำเดือนสิงหาคม ติดต่อได้ที่ฝ่ายพัฒนาชุมชน

Nom Yenpaxa-tts-flash-v2在语音页面打开
朗读表格填写说明

แบบฟอร์มนี้มีทั้งหมด 3 ส่วน ส่วนแรกคือข้อมูลส่วนตัว กรอกชื่อ นามสกุล และเลขบัตรประชาชน 13 หลัก

Nom Yenpaxa-tts-flash-v2在语音页面打开
服药提醒

ถึงเวลารับประทานยามื้อเย็นแล้วค่ะ ยาความดัน 1 เม็ด หลังอาหาร

Nom Yenpaxa-tts-flash-v2在语音页面打开

每张卡片播放的都是 Nom Yen 按卡片脚本原文生成的真实音频。在语音页面打开后,可以让它说任何内容。

无障碍团队如何使用 API

印刷品阅读障碍者、低视力用户和老年听众需要能听的网页和文档,而每录一页都要占用朗读者的时间。在泰国,佛历 2550 年(2007 年)的《残疾人赋权法》承认获取数据、信息和新闻的权利,政府网站标准也要求符合 WCAG 2.2。音频制作却没有跟上这些义务。泰国登记在册的残障人士有 228 万人,其中约 185,523 人登记为视力障碍,占总数的 8.68%。面向印刷品阅读障碍者的泰语有声书至今主要靠志愿者朗读,产量受限于朗读人手。老龄化社会还让需求逐年增加,60 岁及以上的人口约有 1,300 万人。有了文本转语音 API,音频就成了发布流程中的一步。网页文字在发布的同时变成缓存好的 MP3,积压的文档用一个批处理循环就能转完。应用也可以用中文、英语或泰语为低视力用户和老年用户朗读屏幕内容,泰语界面里夹杂的英语由同一个音色读出。

来源:NHRC (2025)(在新标签页中打开)DEP via NADT(在新标签页中打开)

  1. 加一个收听按钮

    网页发布时合成页面文字,缓存 MP3,再放到“收听本页”按钮后面。每次修订只重新生成一个文件,资料库的其余部分保持不动。

  2. 转换积压文档

    每个文档章节发一个请求,循环处理,把公告档案和积压报告转成供印刷品阅读障碍者收听的有声资料库,不必等志愿者腾出朗读时间。

  3. 在应用内朗读

    面向低视力用户和老年用户的应用调用 API 朗读屏幕内容。泰英混合的文字在同一个请求里处理,音频按字符串缓存。

法定义务,按年份排列

2007

获取信息的权利写入法律

佛历 2550 年《残疾人赋权法》第 20(6) 条承认获取数据、信息和新闻的权利。

2010

TWCAG 2010 发布

泰国发布首部泰语网页内容无障碍指南,比这条时间线末尾的修订版早十五年。

2019

无障碍格式获得版权豁免

《马拉喀什条约》对泰国生效,《版权法》第 32/4 条豁免无障碍格式作品。

2024

政府网站须符合 WCAG 2.2

泰国数字政府发展局(DGA)的政府网站标准要求按 WCAG 2.2 实现无障碍。

2025

TWCAG 与新标准对齐

泰国数字理事会发布与 WCAG 2.2 对齐的 TWCAG 2025。

首部泰语指南与 2025 年修订版相隔十五年。加入《马拉喀什条约》的信息依据 Tilleke & Gibbins,TWCAG 2025 的信息依据泰国数字理事会,均于 2026 年 8 月核实。

来源:PDEA B.E. 2550 (UN)(在新标签页中打开)DGA standard(在新标签页中打开)

积压文档的费用

积压文档的费用
积压文档字符积分费用
20 页36,000360$0.36
1,000 页1,800,00018,000$18.00
200 页积压文档,约 23.3 小时中文音频约 $3.60

按每页约 1,800 个字符、每百万字符 $10 计算。每多一页需要 18 积分。维护有声资料库时,按实际改动的文字计费。

面向开发者

每个网页或文档章节发一个请求,用 curl、TypeScript 或 Python 都能拿回一个完整的 MP3。把文件缓存起来,向每位听众提供同一份音频。

完整 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": "สวัสดีครับ ยินดีต้อนรับสู่ Paxa Labs",
    "voice": "khanomkrok",
    "model": "paxa-tts-flash-v2"
  }' \
  --output speech.mp3

试听音色

50 个正式音色中的几个,均通过 API 使用公开的音色 ID 生成。全部音色可在文本转语音页面试听。

  • Cookiev1 + v2在语音页面打开
  • Khao Niaov1 + v2呼吸引导
  • Mochav1 + v2身心健康
  • Khanom Krokv1 + v2男声主音色

让听众听得懂的泰语

收听没有回头看的余地,听众无法再瞄一眼拼写。Paxa TTS Flash v2 保留泰语词义所依赖的元音长短和声调区别,并把不留空格的文本切分成自然的短语,网页因此可以用耳朵来读。同一句话里的英语由同一个音色读出。

常见问题

它能取代屏幕阅读器吗?

不能,它也不是为此设计的。屏幕阅读器通过操作系统层面安装的语音发声,泰国用户在这方面已有选择:NVDA 有活跃的泰语社区,Tatip 合成器也用于泰语读屏。操作界面仍是屏幕阅读器的工作。这个 API 为内容生成音频,例如网页上的收听按钮、文档的有声版本和应用内的语音输出,屏幕阅读器用户也能像其他人一样播放。两者互为补充。

生成的音频可以缓存后反复使用吗?

可以。返回的是 MP3 文件:每个网页每次修订合成一次,保存文件,再向每位听众提供同一份音频。访问时不会重新生成。缓存以修订版本为键。未改动的网页继续使用已有文件,改动过的网页正好多花一个请求。

长文档如何适应请求上限?

每个请求最多 5,000 个字符。更长的文档按章节或标题拆分。按字符数硬切会把短语从中间切断。按标题拆分则能保持每个短语完整,音频文件也和文档自身的结构对齐。之后循环批量发送请求。各套餐的速率限制列在价格页面上。

一个页面可以泰英混排吗?

可以。泰英混合的文本在一个请求里用一个音色合成,这也符合许多泰语网页的实际写法。

从免费积分开始

使用 Google、GitHub 或 Hugging Face 登录,即可用 100 一次性免费积分处理您自己的文本。