ข้ามไปยังเนื้อหาหลัก

เปิดตัว ChindaTTS — ระบบแปลงข้อความเป็นเสียงพูดไทย-อังกฤษระดับโปรดักชัน พร้อมใช้งานแล้ว

· อ่าน 5 นาที
Kobkrit Viriyayudhakorn
CEO @ iApp Technology

ChindaTTS — เสียงพูดภาษาไทยที่เป็นธรรมชาติ: วรรณยุกต์ ตัวเลข และการสลับภาษา

วันนี้เราขอประกาศเปิดตัว ChindaTTS ระบบแปลงข้อความเป็นเสียงพูด (Text-to-Speech) ระดับโปรดักชันสำหรับ ภาษาไทยและภาษาอังกฤษ พูดภาษาไทยด้วยจังหวะและวรรณยุกต์ที่เป็นธรรมชาติ อ่านตัวเลข วันที่ จำนวนเงิน และข้อความที่สลับไทย-อังกฤษได้อย่างถูกต้องเหมือนคนจริง รองรับข้อความยาวได้อย่างต่อเนื่อง พร้อมความสามารถในการโคลนเสียงจากคลิปสั้น ๆ ทั้งหมดนี้เรียกใช้ผ่าน API ที่อยู่เดียวกับ iApp TTS v3

อัปเดต 5 ตุลาคม 2569: เพิ่มเสียงที่สาม ไข่แดง และเลือกเสียงกับสไตล์ได้ในทุกการเรียก API

ฟังทั้งสามเสียงได้ที่ หน้า ChindaTTS และลองทุกเสียงทุกสไตล์ได้ใน เดโมของ API

ทำไมต้อง ChindaTTS​

ระบบ TTS ทั่วไปมักมองภาษาไทยเป็นเรื่องรอง — วรรณยุกต์ผิด ตัวสะกดเพี้ยน น้ำเสียงเหมือนหุ่นยนต์ และไม่สามารถผสมภาษาไทยกับภาษาอังกฤษได้ ChindaTTS ถูกออกแบบมาเพื่อภาษาไทยตั้งแต่ต้น ผลลัพธ์คือเสียงพูดที่ฟังเหมือนคนไทยจริง ๆ แม้ในประโยคที่เต็มไปด้วยตัวเลข คำทับศัพท์ภาษาอังกฤษ และชื่อแบรนด์

ความสามารถหลัก​

  • ไทย + อังกฤษ + สลับภาษาใน Request เดียว ระบบประมวลผลข้อความอ่านตัวเลข วันที่ สกุลเงิน เปอร์เซ็นต์ เบอร์โทร/เลขบัตร ตัวย่อ อีเมล URL คำตัวพิมพ์ใหญ่ และคำทับศัพท์เทคโนโลยีได้อย่างเป็นธรรมชาติ
  • สำเนียงไทยกลางที่ถูกต้อง ประโยคภาษาอังกฤษล้วนจะสลับไปใช้โหมดเสียงเจ้าของภาษาโดยอัตโนมัติเป็นรายประโยค
  • รองรับข้อความยาว พูดจบครบถ้วน ไม่ลากยาว ไม่ตัดทอน สูงสุดประมาณ 100 วินาทีต่อ Request
  • 3 เสียง (ไข่ต้ม, ไข่มุก, ไข่แดง) × 8 สไตล์การพูด (เป็นกลาง, เป็นมิตร, ร่าเริง, ผ่อนคลาย, จริงจัง, เศร้า, ตื่นเต้น, เห็นอกเห็นใจ)
  • โคลนเสียง จากเสียงที่ได้รับความยินยอมเพียง ~10–20 วินาที โดยไม่เก็บข้อมูล — ใช้ครั้งเดียวแล้วลบทิ้ง
  • เรียกครั้งเดียวได้ไฟล์เสียง ส่งข้อความ เสียง และสไตล์ ได้ไฟล์ WAV หรือ MP3 ที่ 48 kHz

ฟังเสียงจริง​

ตัวอย่างเสียงจริงจาก ChindaTTS แบบไม่ตัดต่อ เลือกเสียงแล้วกดฟังได้ทุกสไตล์ ถ้าอยากลองกับข้อความของคุณเองหรือโคลนเสียงสด ใช้ เดโมของ API ได้เลย

เลือกเสียง

สไตล์การพูดไข่ต้ม

  • แนะนำเสียง0:06
  • เป็นกลางวันนี้เป็นวันที่อากาศดี เหมาะแก่การออกไปทำกิจกรรมต่างๆ นอกบ้าน0:05
  • เป็นมิตรสวัสดีครับ ยินดีที่ได้รู้จักนะครับ มีอะไรให้ช่วยบอกได้เลยนะครับ0:04
  • ร่าเริงข่าวดีครับ วันนี้เรามีโปรโมชั่นพิเศษ ลดราคาสูงสุดถึงห้าสิบเปอร์เซ็นต์เลยนะครับ0:06
  • ผ่อนคลายค่อยๆ หายใจเข้าลึกๆ แล้วผ่อนลมหายใจออกช้าๆ ปล่อยให้ร่างกายผ่อนคลายลง0:06
  • จริงจังโปรดทราบ ระบบจะปิดปรับปรุงในเวลาเที่ยงคืน กรุณาบันทึกข้อมูลของท่านให้เรียบร้อย0:07
  • เศร้าเราเสียใจอย่างสุดซึ้งต่อการสูญเสียในครั้งนี้ ขอแสดงความเสียใจกับครอบครัวด้วยครับ0:06
  • ตื่นเต้นสุดยอดไปเลย เราเพิ่งคว้ารางวัลชนะเลิศมาได้สำเร็จ ทุกคนดีใจกันมากจริงๆ0:05
  • เห็นอกเห็นใจเราเข้าใจความรู้สึกของคุณดีนะครับ ไม่ต้องกังวลไป เราจะคอยอยู่ช่วยเหลือเสมอ0:06

สิ่งที่อ่านได้

  • ตัวเลข วันที่ และจำนวนเงิน0:11
  • ไทยและอังกฤษในประโยคเดียว0:07

ChindaTTS Prime​

ChindaTTS Prime เปิดใช้อยู่ใน API และตั้งค่าได้เมื่อติดตั้งบนเซิร์ฟเวอร์ของคุณเอง เพิ่มระบบตรวจสอบด้วยการรู้จำเสียงพูด (speech recognition) ที่จะ "เลือก" เทคที่ดีกว่าหากเทคแรกเพี้ยนหรือขาดหาย — เป็นการ คัดเลือก ไม่ใช่การดัดแปลงเสียง เสียงยังคงเหมือนเดิม สิ่งที่ได้เพิ่มคือ ความเสถียรกับอินพุตที่ยาก โดยเฉพาะสไตล์ที่มีอารมณ์

ตัวชี้วัด — CER (ยิ่งต่ำยิ่งดี)ChindaTTSChindaTTS Prime
ข้อความทั่วไป3.2%3.2%
ตัวเลข / วันที่ / สกุลเงิน1.8%1.4%
สลับภาษา7.9%7.6%
สไตล์ที่มีอารมณ์8.3%3.9%
อัตราเทคเสีย (สไตล์)15.0%6.7%
กรณีแย่สุด p90 (สไตล์)31.8%11.4%

ข้อความทั่วไปอยู่ที่ระดับ noise floor ของตัวรู้จำเสียงอยู่แล้ว คุณค่าของ Prime จึงเด่นชัดในสไตล์ที่มีอารมณ์ ลดอัตราเทคเสียลงกว่าครึ่ง

ความเร็ว (ต่อ GPU, ~6–7 เท่าของเรียลไทม์)​

Requestความยาวเสียงเวลาประมวลผล
~100 ตัวอักษร~9 วินาที~1.5 วินาที
~300 ตัวอักษร~25 วินาที~4 วินาที
~1000 ตัวอักษร~90 วินาที~14 วินาที

เพิ่ม throughput ได้ด้วยการเพิ่ม GPU

เหมาะกับงานแบบไหน​

ผู้ช่วยเสียงและระบบ IVR, การบรรยายในแอปและประกาศต่าง ๆ, งานด้านการเข้าถึง (accessibility), อีเลิร์นนิง, การแจ้งเตือน และทุกผลิตภัณฑ์ที่ต้องการเสียงภาษาไทยที่เป็นธรรมชาติและจัดการภาษาอังกฤษได้อย่างราบรื่น

ร่วมแชร์การเปิดตัว​

ChindaTTS เปิดตัวแล้ว — โดย iApp Technology

เริ่มใช้งาน ChindaTTS​

ChindaTTS พร้อมสำหรับการทดลองใช้งาน (pilot) แล้ววันนี้ — ทั้งสามเสียง แปดสไตล์ การโคลนเสียง และ Prime พร้อมใช้งานใน API และผ่านการทดสอบแล้ว เราตั้งตารอที่จะได้เห็นสิ่งที่คุณสร้างด้วย ChindaTTS