Skip to main content

API

ChindaTTS

Thai and English speech, switching language mid-sentence.

  • Voices3
  • Speaking styles8
  • 100 characters1.5s
  • Per GPU6–7×real time

Hear every voiceRead the API

Managed, or on your own servers.

What it does​

  • Voices and stylesKaitom, Kaimook or Kaidang, and a style per request: neutral, friendly, cheerful, calm, serious, sad, excited or empathetic.
  • Thai and English mixedSwitches within a sentence; a sentence wholly in English is read in a native-English mode.
  • Numbers read correctlyDates, currency, percentages, phone and ID numbers, abbreviations, emails and URLs, as a person says them.
  • Voice cloningFrom about 10 to 20 seconds of consented audio; the clip is used once and not stored.

Hear it​

Unedited samples. Every voice and style, and live voice cloning, can be tried in the API demo; a new account comes with 50 free credits.

Choose a voice

Speaking stylesKaitom

  • Introduction0:06
  • Neutralวันนี้เป็นวันที่อากาศดี เหมาะแก่การออกไปทำกิจกรรมต่างๆ นอกบ้าน0:05
  • Friendlyสวัสดีครับ ยินดีที่ได้รู้จักนะครับ มีอะไรให้ช่วยบอกได้เลยนะครับ0:04
  • Cheerfulข่าวดีครับ วันนี้เรามีโปรโมชั่นพิเศษ ลดราคาสูงสุดถึงห้าสิบเปอร์เซ็นต์เลยนะครับ0:06
  • Calmค่อยๆ หายใจเข้าลึกๆ แล้วผ่อนลมหายใจออกช้าๆ ปล่อยให้ร่างกายผ่อนคลายลง0:06
  • Seriousโปรดทราบ ระบบจะปิดปรับปรุงในเวลาเที่ยงคืน กรุณาบันทึกข้อมูลของท่านให้เรียบร้อย0:07
  • Sadเราเสียใจอย่างสุดซึ้งต่อการสูญเสียในครั้งนี้ ขอแสดงความเสียใจกับครอบครัวด้วยครับ0:06
  • Excitedสุดยอดไปเลย เราเพิ่งคว้ารางวัลชนะเลิศมาได้สำเร็จ ทุกคนดีใจกันมากจริงๆ0:05
  • Empatheticเราเข้าใจความรู้สึกของคุณดีนะครับ ไม่ต้องกังวลไป เราจะคอยอยู่ช่วยเหลือเสมอ0:06

What it reads

  • Numbers, dates and money0:11
  • Thai and English together0:07

Measured​

Character error rate when the audio is transcribed back; lower is better.

  • Everyday3.2%
  • Numbers, dates, currency1.4%
  • Thai and English mixed7.6%
  • Expressive styles3.9%

Limits​

  • Thai and Latin script only; other scripts are dropped.
  • Up to 1,200 characters, about 100 seconds of audio, per request.
  • One stream per GPU; concurrency scales by adding GPUs.

On your own servers​

One current-generation GPU with 10 GB (8 GB without Prime, the quality check; 12 to 16 GB recommended), 16 GB RAM and Linux. For a pilot, write to sale@iapp.co.th.