AIDailyTH

AI พากย์เสียงไทยด้วย Gemini TTS ให้ฟังเป็นธรรมชาติ ไม่เหมือนหุ่นยนต์

ทำเสียงพากย์ AI ภาษาไทยด้วย Gemini TTS ทีละขั้น เลือกรุ่นที่รองรับไทย ตั้งความเร็วด้วยคำสั่ง เช็กคำอ่านผิดด้วย Whisper และค่าใช้จ่ายจริงต่อนาที

AI พากย์เสียงไทยด้วย Gemini TTS ให้ฟังเป็นธรรมชาติ ไม่เหมือนหุ่นยนต์

ทำเสียงพากย์ AI ภาษาไทยให้ฟังเป็นธรรมชาติ ใช้ 4 อย่างนี้ · เลือก Gemini 3.8 Flash TTS เพราะเป็นรุ่นที่เอกสารของ Google ระบุว่ารองรับภาษาไทย · อัด ทั้งบทในครั้งเดียว น้ำเสียงจะได้ต่อเนื่อง · คุมความเร็วด้วย คำสั่งสไตล์ แทนการเร่งไฟล์ · แล้ว ถอดเสียงกลับ หาคำที่อ่านผิด นี่คือวิธีที่เราใช้อัดเสียงบรรยายคลิปของ 5 ช่องที่ทำด้วย AI ทั้งหมด

AI พากย์เสียงไทย เลือกรุ่นไหน

Google มี Gemini TTS รุ่นใหม่ 2 รุ่น ตารางภาษาในเอกสารทางการระบุภาษาไทยไว้แค่รุ่น Flash

Gemini 3.8 Flash TTS Gemini 3.8 Flash-Lite TTS
ภาษาไทยในตารางภาษาทางการ มี ไม่มีในรายการ
จำนวนภาษาที่รองรับ กว่า 130 ภาษา กว่า 100 ภาษา
ราคาแบบจ่ายเงิน ถึง 31 ธ.ค. 2026 ราว $0.0135 ต่อเสียง 1 นาที ราว $0.009 ต่อเสียง 1 นาที
ราคาแบบจ่ายเงิน ตั้งแต่ 1 ม.ค. 2027 ราว $0.027 ต่อเสียง 1 นาที ราว $0.018 ต่อเสียง 1 นาที

ตัวเลขต่อนาทีเราคำนวณจากราคาต่อเสียง 10 วินาทีในหน้าราคาของ Google · คลิปสั้น 2 นาทีด้วยรุ่น Flash ตกราว $0.027

ทั้งสองรุ่นมี ระดับฟรี ลองได้ในเว็บ Google AI Studio โดยไม่ต้องจ่าย แต่มีเงื่อนไขที่ควรรู้ หน้าราคาระบุว่าข้อมูลในระดับฟรีถูกนำไปใช้ปรับปรุงผลิตภัณฑ์ ส่วนระดับจ่ายเงินไม่ถูกนำไปใช้ และโควตาฟรีของแต่ละบัญชีไม่เท่ากัน ดูของคุณได้ที่หน้า Rate limit ของ AI Studio

เสียงสำเร็จรูปมี 30 เสียง แต่ละเสียงมีคำบอกบุคลิก เช่น Charon (Informative) · Sulafat (Warm) · Iapetus (Clear) · Sadachbia (Lively) ช่องสารคดีสั้นของเราใช้ Sadachbia

ขั้นที่ 1 · เตรียมบท ประโยคละบรรทัด ไม่มีคำกำกับในบท

Gemini TTS อ่านบทตรงตามตัวอักษร คำกำกับที่ใส่ปนในบท เช่น "(พูดช้าๆ)" จะถูกอ่านออกเสียงไปด้วย

  • เรื่องน้ำเสียงและความเร็ว ใส่ในคำสั่งสไตล์ (ขั้นที่ 3) ไม่ใส่ในบท
  • เสียงชั่วขณะ ใส่เป็นแท็กในวงเล็บมุมได้ เช่น <short pause> หรือ <sigh>
  • เขียนประโยคละบรรทัด ตอนตรวจคำอ่านผิดจะเทียบทีละบรรทัดได้ง่าย

ขั้นที่ 2 · อัดทั้งบทในคำขอเดียว

เราส่งบททั้งเรื่องเข้าไปในคำขอเดียว ไม่แยกอัดทีละประโยค น้ำเสียงกับความเร็วจะต่อเนื่องตั้งแต่ต้นจนจบ แล้วค่อยใช้ Whisper หาเวลาเริ่มและจบของแต่ละบรรทัดทีหลัง เอาไปทำซับและวางภาพ

ถ้าใช้ระดับฟรี การแยกอัดทีละประโยคยังกินจำนวนคำขอเร็ว เพราะโควตาฟรีนับเป็นจำนวนครั้ง

ขั้นที่ 3 · ตั้งความเร็วด้วยคำสั่งสไตล์ ไม่เร่งไฟล์

เป้าความเร็วของคลิปสั้นของเราคือ 700-735 ตัวอักษรไทยต่อนาที วัดง่ายๆ คือ นับตัวอักษรในบทแบบไม่นับช่องว่าง แล้วหารด้วยความยาวเสียงเป็นนาที

เราตั้งความเร็วด้วยข้อความสไตล์อย่างเดียว ไม่เอาไฟล์เสียงไปเร่งในโปรแกรมตัดต่อ ตัวอย่างข้อความสไตล์ที่ใช้จริงกับคลิปสารคดีสั้น

คำสั่งให้ก๊อป
energetic, curious Thai explainer narrator for a YouTube documentary;
brisk but steady pace, slightly slower than a social-media short, every word clear;
friendly and confident, like telling a friend a surprising fact;
light emphasis on key words; very short pauses between sentences, no long pauses;
keep exactly the same speed from the first sentence to the last, do not rush the opening

ประโยคท้าย "keep exactly the same speed... do not rush the opening" ใส่ไว้กันประโยคแรกเร็วกว่าประโยคอื่น

เรื่องที่เจอจริงตอนใช้

  • ความเร็วแกว่งได้แม้สั่งเหมือนเดิม · ข้อความสไตล์เดียวกันได้ 668-729 ตัวอักษรต่อนาทีในแต่ละบท
  • อัดซ้ำเพื่อแก้ความเร็วไม่ช่วย · เราอัดซ้ำแล้วได้ 693 กลับมา 693 อีกครั้ง และ 673 ได้ 668 ความเร็วที่ต่างกันไม่กี่สิบตัวแบบนี้ เราไม่อัดใหม่
  • เร็วผิดเป้ามาก ให้แก้ข้อความสไตล์ · มีครั้งหนึ่งได้ 766 ตัวอักษรต่อนาที ทั้งที่คลิปนั้นตั้งเป้าไว้ช้ากว่าปกติที่ 630-650 เราแก้ข้อความสไตล์ให้ช้าลงแล้วอัดใหม่ ไม่เอาไฟล์ไปยืดในโปรแกรม

ขั้นที่ 4 · เช็กคำอ่านผิดด้วยการถอดเสียงกลับ

ฟังเองทั้งคลิปทุกครั้งเหนื่อยและพลาดง่าย เราให้ AI ฟังแทนก่อนรอบหนึ่ง

  1. ถอดเสียงที่อัดได้กลับเป็นข้อความด้วย faster-whisper รุ่น large-v3 ตั้งภาษาไทย
  2. เทียบข้อความที่ได้ยินกับบททีละบรรทัด
  3. บรรทัดไหนเหมือนกันต่ำกว่า 90% ให้ติดธงไว้ฟัง
  4. คำไหนอ่านผิดจริง ให้เขียนคำสะกดใหม่ เฉพาะในข้อความที่ส่งให้ TTS เช่น สะกดตามเสียงอ่าน ส่วนซับยังใช้คำสะกดเดิม

ข้อควรรู้

  • ธงไม่ได้แปลว่าผิดเสมอ · ตอนหนึ่งของเราติดธง 5-7 บรรทัด โดยส่วนใหญ่ไม่มีคำอ่านผิดจริง
  • ชื่อเฉพาะต้องให้คนฟัง · พระนาม ชื่อคลอง ชื่อสถานที่ โค้ดตัดสินไม่ได้ จดวินาทีไว้แล้วฟังเองตรงนั้น
  • เวลาของบรรทัดเพี้ยนได้ · Whisper ข้ามคำบางคำ ทำให้เวลาเริ่มจบของบรรทัดคลาด ให้เทียบกับช่วงเงียบในไฟล์เสียงแล้วแก้

ถ้าใช้ Claude Code อยู่ สั่งให้มันสร้างตัวตรวจนี้ในเครื่องคุณได้

คำสั่งให้ก๊อป
สร้างสคริปต์ Python ตรวจเสียงพากย์ภาษาไทย
- อ่านไฟล์เสียง vo.wav กับไฟล์บท ที่เขียนประโยคละบรรทัด
- ถอดเสียงด้วย faster-whisper รุ่น large-v3 ภาษาไทย ขอเวลาระดับคำ
- จับคู่คำที่ได้ยินกับแต่ละบรรทัดของบทตามลำดับ
- ตัดช่องว่างและเครื่องหมายวรรคตอนออกก่อนเทียบ
- พิมพ์บรรทัดที่ความเหมือนต่ำกว่า 0.9 พร้อมวินาที ข้อความในบท และข้อความที่ได้ยิน
อธิบายทีละขั้นว่าต้องติดตั้งอะไรก่อนรัน

ขั้นที่ 5 · เก็บงานเสียงให้น้อยที่สุด

เราเลือกใช้เสียงดิบ ไม่ใส่ EQ ไม่ใส่คอมเพรสเซอร์ ทำแค่ตัดความเงียบหัวท้าย แล้วปรับความดังให้เท่ากันทุกคลิป

ข้อควรระวัง

  • ข้อมูลระดับฟรีถูกนำไปใช้ปรับปรุงผลิตภัณฑ์ · บทที่เป็นความลับของลูกค้าหรือของบริษัท ใช้ระดับจ่ายเงิน
  • โควตาหมดกลางงานได้ · ถ้าเจอข้อผิดพลาด 429 หรือ RESOURCE_EXHAUSTED แปลว่าโควตาหมด รอรอบใหม่ หรือสลับไปใช้รุ่นอื่นที่ยังมีโควตา
  • เลียนเสียงคนอื่นต้องได้รับอนุญาต · ฟีเจอร์ Voice replication ของ Google ต้องใช้ทั้งเสียงตัวอย่างและเสียงยินยอมของเจ้าของเสียง
  • ราคาเปลี่ยนวันที่ 1 ม.ค. 2027 · ราคาแบบจ่ายเงินของทั้งสองรุ่นขึ้นเป็นราวสองเท่า ดูหน้าราคาล่าสุดก่อนคำนวณงบ

อยากได้ขั้นตอนอัดเสียงครบทั้งคลิป

เสียงพากย์คือหนึ่งขั้นในสายผลิตคลิป · ถ้าอยากเห็นว่าเสียงแบบนี้ไปอยู่ในคลิปจริงยังไง ดู ผลงาน 5 ช่องที่ทำด้วย AI ทุกช่องผ่าน 10,000 ผู้ติดตาม ส่วน สูตรทำคลิปสารคดีสั้น มีขั้นอัดเสียง ตรวจเสียง และทำซับ เป็นไฟล์เดียวให้ Claude Code อ่านแล้วพาทำ ต้องมีบัญชี Claude ของคุณเองที่จ่ายแยก

แหล่งข้อมูล

คำถามที่พบบ่อย

AI พากย์เสียงภาษาไทยฟรีมีไหม

มี Gemini TTS มีระดับฟรีให้ลองใน Google AI Studio แต่มีโควตาจำกัดตามบัญชี ดูได้ที่หน้า Rate limit และหน้าราคาระบุว่าข้อมูลในระดับฟรีถูกนำไปใช้ปรับปรุงผลิตภัณฑ์ บทที่เป็นความลับควรใช้ระดับจ่ายเงิน

Gemini TTS รุ่นไหนรองรับภาษาไทย

ตารางภาษาในเอกสารทางการระบุภาษาไทยในรุ่น Gemini 3.8 Flash TTS ส่วนรุ่น Gemini 3.8 Flash-Lite TTS ไม่มีภาษาไทยในรายการ งานภาษาไทยจึงควรใช้รุ่น Flash

เสียงพากย์ AI ราคาเท่าไร

Gemini 3.8 Flash TTS แบบจ่ายเงินคิดราว $0.00225 ต่อเสียง 10 วินาที หรือราว $0.0135 ต่อนาที ถึง 31 ธันวาคม 2026 และขึ้นเป็นราวสองเท่าตั้งแต่ 1 มกราคม 2027 คลิปสั้น 2 นาทีตกราว $0.027

ทำยังไงให้เสียง AI ไม่เร็วหรือช้าเกินไป

ใส่ความเร็วที่ต้องการในข้อความสไตล์ เช่น brisk but steady pace และ keep exactly the same speed from the first sentence to the last แล้ววัดผลเป็นตัวอักษรต่อนาที อย่าเขียนคำกำกับลงในบท เพราะ TTS จะอ่านออกเสียงไปด้วย

AI อ่านคำภาษาไทยผิดต้องแก้ยังไง

ถอดเสียงกลับด้วย Whisper แล้วเทียบกับบททีละบรรทัด บรรทัดที่เหมือนกันต่ำกว่า 90% ให้ฟังซ้ำ คำที่อ่านผิดจริงให้เขียนคำสะกดใหม่เฉพาะในข้อความที่ส่งให้ TTS ส่วนซับยังใช้คำสะกดเดิม ชื่อเฉพาะต้องให้คนฟังตัดสินเอง

ทำตามได้เลย
อยากทำคลิปลงเพจเป็นประจำ ทำรีล Motion Graphic ด้วย Claude Code

พิมพ์บอกเป็นภาษาไทยประโยคเดียว Claude ค้นข้อมูล เขียนบท ทำเสียง ออกแบบภาพ และ render จนได้รีลแนวตั้งพร้อมซับไทยและปก

1,450 บาท ดูคอร์ส