หน้านี้คู่กับวิดีโอ How Machines Learn เสียงพากย์ AI ภาษาไทยที่ฟังแปลก ส่วนใหญ่มาจากปัญหาสี่ข้อ เราเจอทั้งสี่ข้อในคลิปของเราเอง และวัดเป็นตัวเลขได้ทุกข้อ
Four problems make Thai AI narration sound off. We found all four in our own videos, and measured each.
edge-tts เสียง th-TH-PremwadeeNeural
ปัญหาเจอได้กับทุกเครื่องมือ แต่ค่าที่ใช้แก้อาจต่างไป เราไม่ได้วัด CapCut, Canva หรือ Google AI Studio เองAll numbers come from one free voice. The problems are general; the exact fixes may differ in other tools.
วิธีที่เราทำ · The free commands we use
Three commands, each run exactly as written (Python + ffmpeg, both free).
ขั้นที่ 1 · สร้างเสียง ช้าลงสิบเปอร์เซ็นต์ · Make the voice, 10% slower
pip install edge-tts
python -m edge_tts --voice th-TH-PremwadeeNeural --rate=-10% --text "วันนี้เราจะติดตั้ง ไพธอน แล้วรัน ลาย่า บนเครื่องของเราเอง" --write-media voice.mp3
ผลที่ได้: voice.mp3 ยาว 4.61 วินาที · สังเกตว่าเราพิมพ์ ไพธอน และ ลาย่า เป็นภาษาไทย (ขั้นที่ 4)
ขั้นที่ 2 · ตัดความเงียบหัวท้าย · Trim the padding
ffmpeg -i voice.mp3 -af "silenceremove=start_periods=1:start_threshold=-45dB:start_silence=0.05,areverse,silenceremove=start_periods=1:start_threshold=-45dB:start_silence=0.12,areverse" trimmed.wav
ผลที่ได้: 4.61 → 3.57 วินาที คำพูดครบเหมือนเดิม · เหลือความเงียบไว้ 0.05 วินาทีข้างหน้า 0.12 วินาทีข้างหลัง
ขั้นที่ 3 · ปรับความดัง · Bring it to −14 LUFS
ffmpeg -i trimmed.wav -af loudnorm=I=-14:TP=-1.5:LRA=11 -ar 48000 final.wav
ผลที่ได้: วัดด้วย ffmpeg ebur128 ได้ −14.0 LUFS · คลิปยาวทั้งเรื่อง เราวัดสองรอบแล้วปรับด้วยค่าเดียว (linear)
ขั้นที่ 4 · คำภาษาอังกฤษ: สะกดใหม่ให้เสียงอ่าน · Respell English for the voice
พิมพ์คำอังกฤษเป็นภาษาไทยตามเสียงที่อยากได้ เฉพาะในข้อความที่ส่งให้เสียงอ่าน ส่วนซับไตเติลบนจอเขียนภาษาอังกฤษตามปกติ แล้ว ฟังทดสอบทุกคำ เพราะการสะกดใหม่ผิดได้ — และบางคำอ่านถูกอยู่แล้ว สะกดใหม่แล้วแย่ลง
| คำ · word | ถ้าปล่อยให้เดา · heard as | ที่เราใช้ · we send |
|---|---|---|
| Python | เพตอน | ไพธอน ✓ |
| Laya | คลายอ่ะ / layout | ลาย่า ✓ (ลายา → ระยะ ✗) |
| yes | วัย ES | เยส ✓ |
| krueng.ai | Kroon.ai | เครื่อง ดอท เอไอ ✓ |
| CapCut · Canva · YouTube | ถูกอยู่แล้ว · already right | ไม่ต้องสะกดใหม่ (สะกดใหม่แล้วแย่ลง) |
| Google AI Studio | ถูกอยู่แล้ว | ไม่ต้อง (สะกดใหม่ → "Google Air Studio") |
"ถ้าปล่อยให้เดา" คือสิ่งที่โปรแกรมถอดเสียง (faster-whisper) ได้ยินจากเสียงของเรา เครื่องถอดเสียงก็ผิดได้ เราจึงเชื่อเฉพาะคำที่ผิดซ้ำ · "Heard as" is what speech recognition heard; it errs too, so we trust repeated failures only.
เครื่องมือ: วัดความเร็วเสียง · Pace calculator
Paste a Thai sentence, time the voice from first word to last.
ของเรา: +7% ≈ 17.3 (เร็วเกิน) · −10% ≈ 14–15 (พอดีสำหรับคนเรียนภาษา) — ค่าของเสียงเดียว ลองฟังกับคนเรียนจริงเสมอ
ไม่เขียนโค้ด? · No code?
Where to look in phone and web tools. We did not measure these.
- ความเร็ว — หาปุ่มปรับความเร็วเสียงในเครื่องมือ ลดทีละนิดแล้วฟัง · the speed setting
- ความเงียบ — ในโปรแกรมตัดต่อ ดูคลื่นเสียง ตัดช่วงเส้นแบนยาวๆ ให้เหลือ ≈0.5 วินาที · cut long flat stretches
- คำอังกฤษ — พิมพ์คำเป็นภาษาไทยในสคริปต์ที่ให้เสียงอ่าน ข้อความบนจอเขียนภาษาอังกฤษ · respell in the voice script only
- ความดัง — หาปุ่ม normalize / ปรับระดับเสียงอัตโนมัติ ตั้งใกล้ −14 LUFS ถ้าตั้งได้ · normalise
ก่อนอัปโหลด · Before you publish
เงื่อนไขการใช้งาน · Licences
| เสียง · voice | เงื่อนไข · terms | ใช้ในช่องที่มีรายได้? · monetised? |
|---|---|---|
| edge-tts (เราใช้) | ไลบรารี GPL-3.0; เรียกบริการอ่านออกเสียงของ Microsoft โดยไม่มีคีย์ ไม่ใช่ API ทางการ | ไม่ชัดเจน · unclear |
| KhanomTan | Apache 2.0 | ได้ · yes (เรายังไม่ได้ทดสอบคุณภาพ) |
| F5-TTS-THAI | ตัวโมเดล CC-BY-NC | ไม่ได้ · no |
| ThonburianTTS | CC-BY-NC-SA | ไม่ได้ · no |
| Typhoon2-Audio | เสียงพูด CC-BY-NC | ไม่ได้ · no |
ตรวจจากหน้าของแต่ละโมเดลเมื่อ 2026-09-29 · เงื่อนไขเปลี่ยนได้ อ่านของเครื่องมือที่ใช้ทุกครั้ง
ป้าย "เนื้อหาดัดแปลง" ของ YouTube · YouTube's AI label
ตัวอย่างที่ YouTube เขียนไว้ว่าต้องติดป้าย คือ "synthetically generating a person's voice to narrate a video" ในหมวดการทำให้ดูเหมือนคนจริงๆ พูด (YouTube Blog) เสียงผู้บรรยายทั่วไปที่ไม่ได้เลียนแบบใคร ยังไม่ชัดว่าต้องติ๊กไหม — ช่องของเราเลือกติ๊กทุกคลิป
📚 แหล่งข้อมูล · Sources
- ตัวเลขทั้งหมด: วัดจากคลิปของเราเอง (EP15) ด้วย ffmpeg silencedetect / ebur128 และ faster-whisper · our own measurements
- edge-tts (GitHub) · KhanomTan TTS · YouTube — disclosing AI-generated content
- ตอนที่เกี่ยวข้อง: AI ฟรี ไม่มีรายเดือน ติดตั้ง Ollama · Laya