Skill360
Voice replication · ตุลาคม 2569

โคลนเสียงตัวเอง
ใน Gemini TTS

Google AI Studio มีโหมด Voice replication ในหน้าสร้างเสียง (TTS) ของโมเดล Gemini 3.8 Flash TTS อัดเสียงสั้น ๆ ยืนยันว่าเป็นเสียงของคุณเอง แล้วใส่บทพูดให้ AI อ่านด้วยเสียงคุณได้ทันที

ดูขั้นตอน ต้องเตรียมอะไร
อ่าน 6 นาที ผู้เริ่มต้น Google AI Studio · Gemini 3.8 Flash TTS
ยืนยันเจ้าของเสียงก่อนใช้
เสียงต้นแบบ 10–30 วินาที
Voice replicationGemini 3.8 Flash TTS
Project + API Keyสร้างใน AI Studio
พร้อม
Billing + เครดิตตั้งค่าและเติมเงิน
เปิดแล้ว
อัดเสียงยืนยันอ่านบทภาษาอังกฤษ
ผ่าน
ใส่บทแล้ว Runได้เสียงพูดจากเสียงคุณ
เสร็จ
Voice replication คืออะไร?

ให้ AI พูดด้วยเสียงของคุณเอง

Voice replication คือการจำลองลักษณะเสียงของผู้พูดจากคลิปเสียงสั้น ๆ แล้วใช้เป็นเสียงอ่านบทใน Text-to-Speech ของ Gemini ทำได้ครบในเบราว์เซอร์ผ่าน Google AI Studio ไม่ต้องเขียนโค้ด

ใช้คลิปแค่สั้น ๆ

เสียงพูดธรรมชาติยาว 10–30 วินาที ก็พอให้ระบบจำลองเสียงได้

ยืนยันเจ้าของเสียง

อัดเสียงอ่านบทภาษาอังกฤษที่ AI Studio ให้มา เพื่อยืนยันว่าเป็นเสียงคุณเอง

รองรับ 2 โมเดล

ใช้ได้กับ Gemini 3.8 Flash TTS และ Gemini 3.8 Flash-Lite TTS

เก็บไว้ใช้ซ้ำ

เสียงที่โคลนจะถูกบันทึกใน Project เลือกมาใช้กับบทใหม่ได้เรื่อย ๆ

ต้องมีอะไรบ้าง?

เตรียม 4 อย่าง ก่อนโคลนเสียง

บัญชี Google

ใช้ล็อกอิน Google AI Studio ที่ aistudio.google.com

Project และ API Key

สร้างใน AI Studio เพื่อผูกการใช้งานและค่าใช้จ่ายไว้กับ Project

Billing และเครดิต

ตั้งค่าการชำระเงินให้ Project แล้วเติมเครดิตก่อนเริ่มโคลนเสียง

Set up billingเติมเครดิต

ไมโครโฟนในห้องเงียบ

อัดได้ในเบราว์เซอร์ทันที หรืออัปโหลดไฟล์เสียงที่อัดไว้

เสียงต้นแบบยาวสูงสุด

0 วินาที

Google กำหนดคลิปเสียงต้นแบบไว้ที่ 10–30 วินาที เป็นเสียงพูดที่ชัดและเป็นธรรมชาติ จากผู้ใหญ่คนเดียวกับที่อัดเสียงยืนยัน (Verify)

ตัวอย่างบทยืนยันภาษาอังกฤษ

I am the owner of this voice and I consent to Google using this voice to create a synthetic voice model.

ทั้งตอนอัดเสียงและตอน Verify จะต้องอ่านบทภาษาอังกฤษที่ Google AI Studio แสดงบนหน้าจอ ข้อความด้านบนคือข้อความยินยอมจากเอกสารของ Google ใช้ซ้อมออกเสียงก่อนอัดได้ แต่ตอนอัดจริงให้อ่านตามบทที่หน้าจอแสดงให้ครบทุกคำ

เริ่มยังไงดี?

7 ขั้นตอน โคลนเสียง ใน AI Studio

1

สร้าง Project

เข้า aistudio.google.com ล็อกอินด้วยบัญชี Google แล้วสร้าง Project ใหม่ ตั้งชื่อให้จำง่าย เช่น ชื่องานหรือชื่อแบรนด์

เคล็ดลับ: แยก Project สำหรับงานเสียงโดยเฉพาะ จะดูค่าใช้จ่ายแยกได้ง่ายกว่า
2

สร้าง API Key

ไปที่เมนู Get API key กดสร้าง API Key แล้วเลือก Project ที่เพิ่งสร้าง

  • API Key คือกุญแจที่ผูกการใช้งานและการคิดเงินกับ Project นี้
  • เก็บเป็นความลับ ห้ามแชร์หรือโพสต์ในที่สาธารณะ
3

Set up Billing และเติมเครดิต

ที่ Project เดียวกัน กด Set up billing เพิ่มวิธีชำระเงินให้เรียบร้อย จากนั้นเติมเครดิตเข้าบัญชี เพื่อให้ Project ใช้งานแบบชำระเงินได้

เคล็ดลับ: เติมเครดิตจำนวนน้อยก่อนเพื่อทดลอง แล้วค่อยเติมเพิ่มเมื่อใช้งานจริง
4

เปิดโหมด Voice replication

ไปหน้าสร้างเสียง Generate speech เลือกโมเดล Gemini 3.8 Flash TTS แล้วเลือกโหมด Voice replication เพื่อสร้างเสียงใหม่

5

อัดเสียงและ Verify เป็นภาษาอังกฤษ

อ่านบทภาษาอังกฤษที่ Google AI Studio ให้มาแล้วอัดเสียง จากนั้นอัดเสียง Verify ซึ่งเป็นบทภาษาอังกฤษเช่นกัน ระบบจะเทียบ 2 คลิปว่าเป็นเสียงของคุณเองจริง แล้วจะได้เสียงที่โคลนจากเสียงของคุณ

  • อัดเสียงอ่านบทภาษาอังกฤษบนหน้าจอ ยาว 10–30 วินาที
  • อัดเสียง Verify อ่านบทยืนยันภาษาอังกฤษให้ครบทุกคำ
  • ลองฟังตัวอย่างเสียงที่โคลนได้ทันทีในหน้าเดียวกัน
เคล็ดลับ: อ่านบทผ่านในใจ 1 รอบก่อนกดอัด คำไหนไม่แน่ใจให้ลองออกเสียงก่อน จะได้อ่านลื่นไม่สะดุด
6

เลือกเสียงที่โคลน ใส่บท แล้ว Run

เลือกเสียงที่โคลนไว้ในรายการเสียง พิมพ์หรือวางบทพูดลงใน Google AI Studio แล้วกด Run ได้เลย ฟังผลแล้วดาวน์โหลดไฟล์เสียงไปใช้ต่อ

เคล็ดลับ: เริ่มจากบทสั้น 2–3 ประโยค ฟังน้ำเสียงก่อน แล้วค่อยใส่บทยาว
7

ดูค่าใช้จ่ายที่ Dashboard

ไปที่เมนู Dashboard › Spend จะเห็นยอดค่าใช้จ่ายของ Project รวมถึงค่าใช้จ่ายสำหรับการโคลนเสียง

ทำทุกครั้ง: เช็ก Spend หลังทดลองรอบแรก จะได้รู้ต้นทุนต่อชิ้นงานจริง
ใส่บทพูดอะไรดี?

บทพูด ลองรันรอบแรก

บอกน้ำเสียงที่ต้องการไว้บรรทัดแรก แล้วตามด้วยบทพูด แทนค่าในช่องสีน้ำเงินด้วยข้อมูลของคุณ

คลิปแนะนำสินค้า 20 วินาที

อ่านด้วยน้ำเสียงสดใส เป็นกันเอง จังหวะไม่เร็วเกินไป:

สวัสดีค่ะ วันนี้มีของดีมาแนะนำ [ชื่อสินค้า]
ช่วยให้ [ประโยชน์หลัก] ได้ง่ายขึ้นในทุกวัน
สั่งได้แล้ววันนี้ที่ [ช่องทางสั่งซื้อ]

เสียงเปิดบทเรียน

อ่านด้วยน้ำเสียงอบอุ่น ชัดเจน เหมือนครูที่ใจดี:

ยินดีต้อนรับสู่คอร์ส [ชื่อคอร์ส]
ในบทเรียนนี้ เราจะเรียนเรื่อง [หัวข้อ]
เมื่อจบบท คุณจะ [สิ่งที่ทำได้] ได้ด้วยตัวเอง

ประกาศสั้นถึงทีม

อ่านด้วยน้ำเสียงสุภาพ มั่นใจ เป็นทางการเล็กน้อย:

เรียนทุกท่าน ขอแจ้งว่า [เรื่องที่ประกาศ]
จะเริ่มตั้งแต่ [วันที่] เป็นต้นไป
หากมีข้อสงสัย ติดต่อ [ชื่อผู้ประสานงาน] ได้เลย
อัดยังไงให้ผ่าน?

ควรทำ vs ควรเลี่ยง

ระบบจะเทียบเสียง Verify กับเสียงที่อัดไว้ว่าเป็นคนเดียวกัน สภาพการอัดจึงมีผลทั้งต่อการยืนยันและคุณภาพเสียงที่ได้

ควรทำควรเลี่ยง
✓อัดในห้องเงียบ ไม่มีเสียงสะท้อน✕มีเพลง เสียงรบกวน หรือเสียงคนอื่นแทรก
✓ใช้ไมค์และห้องเดิมทั้ง 2 คลิป✕อัดคลิป Verify กับคลิปแรกคนละที่ คนละไมค์
✓พูดเป็นธรรมชาติ ยาว 10–30 วินาที✕ใช้คลิปที่สั้นเกินหรือยาวเกินกำหนด
✓อ่านบทภาษาอังกฤษให้ครบตรงทุกคำ ช้าและชัด✕อ่านตกหล่น เปลี่ยนคำ หรือแปลบทเป็นภาษาไทยเอง
✓ถ้าอัปโหลดไฟล์ ใช้ WAV 24kHz mono 16-bit✕ใช้เสียงสังเคราะห์แทนเสียงคนจริง
สงสัยอะไรอีกบ้าง?

คำถามที่พบบ่อย

ค่าใช้จ่ายประมาณเท่าไร?
ดูยอดจริงได้ที่ Dashboard › Spend เป็นทางที่แม่นที่สุด ส่วนค่าสร้างเสียงพูดของ Gemini 3.8 Flash TTS แบบ Standard ตามหน้า Pricing ของ Google คือ $0.50 ต่อ 1 ล้าน token สำหรับข้อความขาเข้า และ $9.00 ต่อ 1 ล้าน token สำหรับเสียงขาออก (เทียบประมาณ $0.00225 ต่อเสียง 10 วินาที) ราคานี้ใช้ถึง 31 ธันวาคม 2026 และจะปรับเป็น 2 เท่าตั้งแต่ 1 มกราคม 2027
ต้องอ่านภาษาอังกฤษเก่งไหม?
ไม่ต้องเก่ง แต่ต้องอ่านบทภาษาอังกฤษที่ AI Studio แสดงให้ครบและชัดทั้งตอนอัดและตอน Verify ส่วนบทพูดที่จะให้เสียงโคลนอ่านหลังจากนั้น ใส่ภาษาไทยได้ แนะนำให้ลองบทสั้นก่อนเพื่อฟังสำเนียง
โคลนเสียงคนอื่นได้ไหม?
ทั้งเสียงต้นแบบและเสียงยืนยันต้องมาจากผู้ใหญ่คนเดียวกัน และเจ้าของเสียงต้องอ่านบท Verify ด้วยตัวเอง ถ้าเป็นเสียงของคนในทีม ให้เจ้าตัวมาอัดเองทั้ง 2 คลิป
เสียงที่โคลนเก็บไว้ได้นานแค่ไหน?
เสียงที่บันทึกไว้ใน Project เก็บได้ 1 ปี และ 1 Project เก็บเสียงได้สูงสุด 200 เสียง (นับรวมเสียงที่ออกแบบจากข้อความด้วย Voice design)
Flash TTS กับ Flash-Lite TTS ต่างกันยังไง?
ทั้ง 2 โมเดลรองรับ Voice replication ค่าข้อความขาเข้าเท่ากัน ($0.50 ต่อ 1 ล้าน token) แต่ค่าเสียงขาออกของ Flash-Lite TTS ถูกกว่า ($6.00 เทียบกับ $9.00 ต่อ 1 ล้าน token แบบ Standard ถึงสิ้นปี 2026) เหมาะกับงานที่ต้องสร้างเสียงจำนวนมาก

ใช้เสียงโคลนอย่างรับผิดชอบ

เสียงเป็นข้อมูลที่ระบุตัวบุคคลได้ ถ้าหลุดหรือถูกนำไปใช้ผิด ความเสียหายตกที่เจ้าของเสียงโดยตรง

  • โคลนเฉพาะเสียงของตัวเอง หรือเสียงที่เจ้าของมาอัดยินยอมเอง
  • เก็บ API Key เป็นความลับ ใครได้ไปจะใช้เครดิตของ Project คุณได้
  • เมื่อนำไปเผยแพร่ ควรแจ้งผู้ฟังว่าเป็นเสียงที่สร้างด้วย AI
  • ลบเสียงที่ไม่ใช้แล้วออกจาก Project และเช็กยอด Spend อย่างสม่ำเสมอ
คอร์สออนไลน์

คู่มือการสร้าง Skills สำหรับ Ask Gemini
สร้าง Skills พร้อมใช้ อัปเกรดการใช้ AI แบบมืออาชีพ

เรียนรู้การสร้าง Skills ใน Ask Gemini เพื่อปรับแต่งให้ทำงานเฉพาะทางตามที่คุณต้องการได้อย่างแม่นยำ

ดูรายละเอียดคอร์ส

เลี้ยงกาแฟทีมงาน

ชอบบทความนี้ใช่ไหม แวะเลี้ยงกาแฟสักแก้ว เป็นกำลังใจให้ทีมงานทำคอนเทนต์ดี ๆ ต่อไป

เลี้ยงกาแฟได้ที่นี่
คัดลอกแล้ว
← Skill360