ทีทีเอสสด
มินิแม็กซ์MiniMax Speech 2.6 HD
คำพูดคุณภาพระดับสตูดิโอพร้อมการออกเสียงที่ชัดเจน จังหวะที่ราบรื่น และอารมณ์ที่สมจริงสำหรับหนังสือเสียง พอดแคสต์ และการบรรยาย
Text → audio
$0.13/1,000 chars
สด10 รุ่น
API ข้อความเป็นคำพูด — การสร้างเสียง AI ที่เป็นธรรมชาติ
Muapi's text-to-speech API เปลี่ยนข้อความที่เขียนให้เป็นเสียงพูดที่เป็นธรรมชาติคล้ายมนุษย์ผ่านการเชื่อมต่อ REST แบบรวมศูนย์ เลือกใช้ MiniMax, Google Gemini, ElevenLabs (รวมถึง Eleven v4 API) และ Fish Audio (Fish Audio S2.1 Pro API) สำหรับการบรรยายด้วยเสียงเดียวหรือบทสนทนาหลายผู้พูดสร้างเสียงคุณภาพระดับสตูดิโอหรือแบบเทอร์โบความเร็วสูง พร้อมควบคุมเสียง อารมณ์ จังหวะ ความเสถียร และความคล้ายคลึง รูปแบบส่งงานและตรวจสอบสถานะแบบอะซิงโครนัสเดียวกันใช้ได้กับทุกรุ่น โดยเริ่มต้นที่ $0.015 ต่อ 1,000 characters
i
ข้อความเป็นคำพูดถ่ายทอดสดบน Muapi
เลือกรุ่นเสียงเดียวหรือหลายลำโพง ส่งสคริปต์ของคุณ และสำรวจรหัสคำขอที่ส่งคืนสำหรับไฟล์เสียงที่ดาวน์โหลดได้
คำพูดมินิแม็กซ์
คำบรรยายเสียงเดียวพร้อมสตูดิโอและระดับเทอร์โบ2 รุ่นลองรุ่น
ทีทีเอสสด
มินิแม็กซ์MiniMax Speech 2.6 เทอร์โบ
เสียงพูดที่รวดเร็วและเบาพร้อมคุณภาพที่เป็นธรรมชาติและความเร็ว ระดับเสียง ระดับเสียงสูงต่ำ และอารมณ์ที่ปรับได้เพื่อให้ได้เสียงที่ตอบสนองอย่างรวดเร็ว
Text → audioรวดเร็ว
$0.07/1,000 chars
ราศีเมถุน TTS
บทสนทนาหลายลำโพงที่แสดงออกพร้อมการควบคุมด้วยเสียงและโทนเสียง4 รุ่นทีทีเอสสด
Google ราศีเมถุนราศีเมถุน 3.1 แฟลช TTS
คำพูดแบบหลายลำโพงที่คุ้มราคาพร้อมเสียง สำเนียง สไตล์อารมณ์ และแท็กโทนเสียงในบรรทัด เช่น [กระซิบ] ที่แตกต่างกัน
Dialogue → audioรวดเร็ว
$0.035/1,000 chars
ทีทีเอสสด
Google ราศีเมถุนเจมินี่ 2.5 โปร ทีทีเอส
คำพูดแบบหลายลำโพงระดับพรีเมียมสำหรับหนังสือเสียง บทสนทนาแบบภาพยนตร์ และการบรรยายแบบยาวพร้อมการนำเสนอที่มีความเที่ยงตรงสูง
Dialogue → audio
$0.035/1,000 chars
ทีทีเอสnew
Google ราศีเมถุนDialogue → audioรวดเร็ว
$0.015/1,000 chars
ทีทีเอสnew
Google ราศีเมถุนDialogue → audioรวดเร็ว
$0.01/1,000 chars
ElevenLabs
เสียงพูดสื่ออารมณ์จาก Eleven v4 เสียงพูดเดี่ยวความเร็วสูง และบทสนทนาหลายภาษา3 รุ่นทีทีเอสสด
ElevenLabsElevenLabs TTS เทอร์โบ 2.5
คำพูดเสียงเดี่ยวที่รวดเร็วพร้อมความเสถียรที่ปรับแต่งได้ ความคล้ายคลึง และอัตราการพูดสำหรับการพากย์เสียง IVR และการบรรยายที่มีปริมาณงานสูง
Text → audioรวดเร็ว
$0.05/1,000 chars
ทีทีเอสสด
ElevenLabsElevenLabs ข้อความเป็นบทสนทนา V3
บทสนทนาที่มีลำโพงหลายภาษาจากสคริปต์ที่มีโครงสร้าง พร้อมด้วยรหัสเสียงต่อผู้พูดและการสลับสับเปลี่ยนที่สมจริง
Dialogue → audio
$0.10/1,000 chars
ทีทีเอสnew
ElevenLabsEleven v4
ระบบแปลงข้อความเป็นเสียงพูด Eleven v4 ของ ElevenLabs สำหรับการบรรยายด้วยเสียงเดียวที่ถ่ายทอดอารมณ์ได้สูงสุด 2,000 characters ต่อคำขอ ราคา $0.08/1,000 characters และส่งคืนเป็น MP3
Text → audio
$0.08/1,000 chars
Fish Audio S2.1 Pro
การบรรยายเนื้อหายาวสูงสุด 10,000 characters ต่อคำขอ1 รุ่นทีทีเอสnew
Fish AudioFish Audio S2.1 Pro
แปลงข้อความเป็นเสียงพูดสำหรับเนื้อหายาว: สูงสุด 10,000 characters ต่อคำขอ คิดค่าบริการ $15 ต่อ 1M UTF-8 bytes (ประมาณ $0.015/1,000 English characters) และส่งคืนเป็น MP3
Text → audio
$15/1M UTF-8 bytes
ไม่มีรุ่นที่ตรงกับตัวกรองของคุณ
API ข้อความเป็นคำพูดคืออะไร
API แปลงข้อความเป็นเสียงพูด (TTS) เปลี่ยนข้อความที่เขียนให้เป็นเสียงพูดผ่านคำขอ HTTP เพียงครั้งเดียว ส่งสคริปต์ เลือกเสียงและรูปแบบการพูด แล้วรับไฟล์เสียงที่ดาวน์โหลดได้โดยไม่ต้องสร้างระบบวิศวกรรมเสียงเอง
Muapi ให้บริการ TTS endpoints ที่ใช้งานได้จริงผ่านรูปแบบ REST แบบรวมศูนย์เดียวกัน: API key เดียว ขั้นตอนส่งคำขอและตรวจสอบสถานะแบบเดียว และชำระเงินตามการใช้งาน เลือกการบรรยายเสียงเดียวสำหรับเสียงพากย์และ IVR (รวม Eleven v4 API และ Fish Audio S2.1 Pro API) หรือบทสนทนาหลายผู้พูดสำหรับตัวละคร พอดแคสต์ และหนังสือเสียง
ความสามารถในการแปลงข้อความเป็นคำพูด
บทสนทนาหลายผู้พูด
Gemini TTS และ ElevenLabs Text to Dialogue V3 กำหนดเสียง สำเนียง และรูปแบบการพูดที่แตกต่างกันให้กับแต่ละช่วงบทสนทนาที่เขียนไว้
อารมณ์และน้ำเสียงในบรรทัด
รุ่น Gemini รองรับแท็กในบรรทัด เช่น [whispers], [shouting] และ [determination] เพื่อควบคุมการถ่ายทอดอารมณ์ภายในประโยค
ระดับสตูดิโอและเทอร์โบ
ใช้ MiniMax Speech 2.6 HD หรือ Gemini 2.5 Pro TTS เพื่อคุณภาพเสียง หรือเลือกเวอร์ชันที่เร็วกว่าเมื่อต้องการลดเวลาแฝงและค่าใช้จ่าย
ปรับแต่งพารามิเตอร์เสียง
ปรับความเร็ว ระดับเสียง โทนเสียง อารมณ์ ความเสถียร ความคล้ายคลึง และการควบคุมอื่นๆ ตามแต่ละรุ่น
เสียงกำหนดเองและเสียงโคลน
ElevenLabs endpoints รองรับ voice ID แบบกำหนดเอง สร้างเสียงที่นำกลับมาใช้ได้ก่อนด้วยขั้นตอนโคลนเสียงที่เข้ากันได้
สี่ผู้ให้บริการ หนึ่ง API
รุ่น MiniMax, Google Gemini, ElevenLabs และ Fish Audio ใช้การยืนยันตัวตน Muapi งานอะซิงโครนัส การตรวจสอบผลลัพธ์ และการเรียกเก็บเงินร่วมกัน
กรณีการใช้ข้อความเป็นคำพูด
การบรรยายและการพากย์เสียง
ผลิตบทหนังสือเสียง วิดีโอบรรยาย โฆษณา คำอธิบาย และคลิปโซเชียลจากสคริปต์
ตัวละครและพอดแคสต์
แสดงบทสนทนาที่มีพิธีกรหลายรายและบทสนทนาของตัวละครด้วยเสียงและทิศทางทางอารมณ์ที่แตกต่างกัน
IVR และเสียงแอพ
สร้างการแจ้งเตือนทางโทรศัพท์ การแจ้งเตือน เสียงสำหรับการเข้าถึง และคำพูดไดนามิกอื่นๆ ในวงกว้าง
รองรับหลายภาษา
ใช้บทสนทนาและการควบคุมภาษาหลายภาษาสำหรับเนื้อหาทั่วโลกและสื่อการเรียนรู้
เปรียบเทียบรุ่นแปลงข้อความเป็นเสียงพูด รวม Eleven v4 API และ Fish Audio S2.1 Pro API
| รุ่น | ผู้ให้บริการ | ราคา | ดีที่สุดสำหรับ |
|---|---|---|---|
Fish Audio S2.1 Pro คิดค่าบริการตาม UTF-8 byte: ข้อความภาษาอังกฤษใช้ประมาณหนึ่ง byte ต่ออักขระ ส่วนอักษรที่ไม่ใช่ละตินใช้สามถึงสี่ bytes ต่ออักขระ
ตัวอย่าง API การอ่านออกเสียงข้อความ
ส่งข้อความธรรมดาหรือบทสนทนาที่มีโครงสร้างด้วยคีย์ Muapi API ของคุณ บันทึกรหัสคำขอ และสำรวจจุดสิ้นสุดผลลัพธ์การคาดการณ์มาตรฐานสำหรับ URL เสียง
สร้างเสียงพูดเดี่ยว
curl -X POST https://api.muapi.ai/api/v1/minimax-speech-2.6-hd \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt":"Welcome to Muapi. Your workspace is ready.","voice_id":"Friendly_Person","speed":1,"emotion":"happy","format":"mp3"}'
# Response: {"request_id":"REQUEST_ID"}ใช้ single-voice endpoint ของ MiniMax หรือ ElevenLabs พร้อม prompt, voice และพารามิเตอร์การพูดเสริมตามต้องการ
สร้างบทสนทนา Gemini
curl -X POST https://api.muapi.ai/api/v1/gemini-3-1-flash-tts \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"speakers":[{"speaker_id":"Speaker 1","voice_name":"Kore","accent":"Neutral","style":"Empathetic","pace":"Natural"},{"speaker_id":"Speaker 2","voice_name":"Puck","accent":"British (RP)","style":"Deadpan","pace":"Natural"}],"dialogue_turns":[{"speaker_id":"Speaker 1","text":"[warmly] Welcome to the show."},{"speaker_id":"Speaker 2","text":"[whispers] Let us begin."}]}'กำหนดผู้พูดและลำดับบทสนทนา โดยแต่ละช่วงจะอ้างอิงการตั้งค่าเสียงที่ต้องการใช้
สร้างเสียงพูดด้วย Eleven v4 API
curl -X POST https://api.muapi.ai/api/v1/elevenlabs-v4 \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt":"Welcome to the future of voice. This is Eleven v4, speaking with natural rhythm and emotion.","voice_id":"voice_daniel"}'
# Response: {"request_id":"REQUEST_ID"}ส่ง prompt ได้สูงสุด 2,000 characters และเลือก voice_daniel หรือ voice_liam; Eleven v4 ราคา $0.08 ต่อ 1,000 characters
สร้างเสียงพูดเนื้อหายาวด้วย Fish Audio S2.1 Pro API
curl -X POST https://api.muapi.ai/api/v1/fish-s2-1-pro \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt":"Welcome to the show. Today we look at how voice models have changed the way we tell stories.","voice_id":"voice_fish_narrator"}'
# Response: {"request_id":"REQUEST_ID"}ส่ง prompt ได้สูงสุด 10,000 characters พร้อม voice_fish_narrator; คิดค่าบริการ $15 ต่อ 1M UTF-8 bytes
สร้างบทสนทนา ElevenLabs
curl -X POST https://api.muapi.ai/api/v1/elevenlabs-text-to-dialogue-v3 \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"dialogue":[{"text":"Welcome to the show.","voice_id":"ZQe5CZNOzWyzPSCn5a3c"},{"text":"Let us begin.","voice_id":"EXAVITQu4vr4xnSDxMaL"}],"language_code":"en","stability":0.5}'ส่งอาร์เรย์บทสนทนาที่มีโครงสร้าง พร้อม voice ID สำหรับแต่ละช่วง เพื่อสร้างเสียงหลายผู้พูดหลายภาษา
ตรวจสอบผลลัพธ์เสียง
curl https://api.muapi.ai/api/v1/predictions/REQUEST_ID/result \ -H "x-api-key: YOUR_API_KEY" # Read the generated audio URL after status becomes completed.
ตรวจสอบสถานะจนเป็น completed จากนั้นอ่าน URL ดาวน์โหลดเสียงจากการตอบกลับ
คำถามที่พบบ่อยเกี่ยวกับ API การอ่านออกเสียงข้อความ
Text to Speech API คืออะไร?
TTS API ของ Muapi แปลงข้อความที่เขียนเป็นเสียงพูดธรรมชาติผ่าน endpoints ของ MiniMax, Google Gemini, ElevenLabs และ Fish Audio รองรับทั้งการบรรยายเสียงเดียวและบทสนทนาหลายผู้พูด
ควรใช้รุ่นใดสำหรับบทสนทนาหลายผู้พูด?
ใช้ Gemini 3.1 Flash TTS หรือ Gemini 2.5 Pro TTS สำหรับโปรไฟล์ผู้พูดและแท็กน้ำเสียงในบรรทัด หรือใช้ ElevenLabs Text to Dialogue V3 สำหรับบทสนทนาหลายภาษาที่มีโครงสร้างและ voice ID แยกตามผู้พูด
การแปลงข้อความเป็นเสียงพูดมีค่าใช้จ่ายเท่าไร?
ราคาเริ่มต้นที่ $0.015 ต่อ 1,000 English characters สำหรับ Fish Audio S2.1 Pro (คิดค่าบริการ $15 ต่อ 1M UTF-8 bytes), $0.035 ต่อ 1,000 characters สำหรับ Gemini 3.1 Flash และ 2.5 Pro TTS, $0.05 สำหรับ ElevenLabs TTS Turbo 2.5, $0.08 สำหรับ Eleven v4, $0.10 สำหรับ ElevenLabs Dialogue V3, $0.07 สำหรับ MiniMax Turbo และ $0.13 สำหรับ MiniMax HD ส่วน Gemini 3.8 Flash และ Flash Lite ราคา $0.015 และ $0.01 ต่อ 1,000 characters
ใช้ Eleven v4 API อย่างไร และจำกัดความยาวเท่าไร?
เรียก endpoint elevenlabs-v4 พร้อม prompt (สูงสุด 2,000 characters) และ voice_id เป็น voice_daniel หรือ voice_liam จากนั้นตรวจสอบ request ID เพื่อรับ MP3 โดย Eleven v4 ราคา $0.08 ต่อ 1,000 characters
Fish Audio S2.1 Pro API คืออะไร?
Fish Audio S2.1 Pro API (fish-s2-1-pro) เป็น endpoint แปลงข้อความเป็นเสียงพูดสำหรับเนื้อหายาว รองรับสูงสุด 10,000 characters ต่อคำขอพร้อม voice_fish_narrator และส่งคืน MP3 คิดค่าบริการ $15 ต่อ 1M UTF-8 bytes หรือประมาณ $0.015 ต่อ 1,000 English characters
ใช้เสียงกำหนดเองหรือเสียงโคลนได้ไหม?
ได้ ElevenLabs endpoints รองรับ ElevenLabs voice ID แบบกำหนดเอง และ MiniMax รองรับ voice ID ที่ฝึกไว้เมื่อสคีมาของรุ่นที่เลือกอนุญาต
ระบบส่งคืนไฟล์เสียงรูปแบบใด?
แต่ละรุ่นส่งคืน URL ไฟล์เสียงที่ดาวน์โหลดได้จาก endpoint ผลลัพธ์ prediction มาตรฐาน พร้อมนำไปฝัง ดาวน์โหลด หรือส่งต่อเข้าสู่กระบวนการวิดีโอหรือ lipsync
เข้าถึงรุ่น Text to Speech API ได้อย่างไร?
สร้าง Muapi API key เรียก endpoint ที่ตรงกับสคริปต์ แล้วตรวจสอบ request ID ที่ได้รับ รุ่นที่เปิดใช้งานอยู่ไม่ต้องรอคิว
Eleven v4 API และ ElevenLabs endpoints →เปรียบเทียบ Eleven v4, TTS Turbo 2.5 และ Text to Dialogue V3Fish Audio S2.1 Pro API →การบรรยายเนื้อหายาวสูงสุด 10,000 characters ต่อคำขอ คิดค่าบริการตาม UTF-8 byteดูรุ่น Gemini TTS ทั้งหมด →เปรียบเทียบ Gemini TTS ทั้งสี่ระดับ: 3.8 Flash, 3.8 Flash Lite, 3.1 Flash และ 2.5 Proดูระบบโคลนเสียง →สร้างเสียงพูดที่นำกลับมาใช้ได้สำหรับเวิร์กโฟลว์เสียงพูดที่รองรับสำรวจ Suno Music →สร้าง รีมิกซ์ และต่อยอดเพลงเมื่อต้องการดนตรีแทนเสียงพูดเลือกดูรุ่นเสียง →เปรียบเทียบ endpoints สำหรับเสียงพูด เพลง เอฟเฟกต์เสียง และวิดีโอเป็นเสียงสำรวจรุ่น lipsync →จับคู่เสียงพูดที่สร้างขึ้นกับวิดีโอใบหน้าเพื่อสร้างอวตารพูดได้
พร้อมที่จะสร้างคำพูดที่เป็นธรรมชาติแล้วหรือยัง?
ใช้คีย์ Muapi API หนึ่งคีย์สำหรับการบรรยาย บทสนทนาของตัวละคร IVR พอดแคสต์ และเสียงหลายภาษา