ElevenLabs: Eleven Flash v2
Eleven Flash v2 je model převodu textu na řeč od ElevenLabs určený pouze pro angličtinu a pohotové hlasové interakce. Převádí připravený text na mluvený zvuk, s limitem 30 000 znaků na požadavek a dokumentovaným ovládáním pauz i výslovnosti jednotlivých slov.
O modelu
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Eleven Flash v2 je model syntézy řeči od ElevenLabs určený výhradně pro angličtinu pro hlasové aplikace s rychlou odezvou. Přijímá písemnou promluvu a vytváří mluvený zvuk ve vybraném hlase. Výrobce určuje Flash pro konverzaci v reálném čase a interaktivní zážitky, například potvrzení asistenta, mluvené pokyny a reakce ve hrách. Tato konkrétní verze je odlišná od vícejazyčného Flash v2.5 a expresivních rodin v3 a v4.
Jazykovým profilem Flash v2 je angličtina. Hlas může dodat regionální přízvuk a určitý tón, ale neudělá z této verze vícejazyčný model. Vyberte hlas odpovídající zamýšlenému posluchači a účelu promluvy. Potvrzení asistenta, výukový vypravěč a interaktivní postava mohou vyžadovat odlišnou kadenci i při stejném faktickém obsahu. Před syntézou připravte skutečná anglická slova, která mají zaznít.
Požadavek podporuje až 30 000 znaků. Přibližná délka zvuku uváděná výrobcem vedle tohoto limitu není pevnou dobou trvání. U interaktivní odpovědi zachovejte jednu hlavní myšlenku a jasný závěr; u delší nahrávky dělte související text na hranicích vět nebo oddílů. Společný postup TTS dokumentuje sousední text nebo kontext požadavku pro zachování prozodie mezi navazujícími generováními, takže členění nemusí odstranit vztah mezi následujícími pasážemi.
Práce s pauzami u Flash v2 používá značky SSML break. Produktová příručka uvádí <break time="1.5s" /> jako způsob vyžádání přirozené pauzy a dokumentuje až tři sekundy. Hlas ovlivňuje přednes kolem pauzy a nadměrné množství značek může způsobit změny rychlosti, šum nebo artefakty. Pauzu použijte tam, kde posluchač potřebuje přechod, nikoli mezi každými dvěma slovy. Časování může ovlivnit i interpunkce a výpustky, ale méně konzistentně a mohou přidávat váhavý tón.
U jednotlivých slov lze použít fonémový zápis SSML v IPA nebo CMU Arpabet. Výrobce doporučuje CMU Arpabet pro předvídatelnější výslovnost v2 a uvádí, že fonémová pravidla se mají u víceslovného jména použít zvlášť pro každé slovo. Výslovnostní slovníky mohou uchovávat preferovaný foném nebo alias opakujícího se termínu; při shodě rozlišují velikost písmen. Tím se model liší od nativní syntaxe IPA uzavřené do lomítek ve v4 i od výslovnostního profilu Flash v2.5.
Referenční kódy, data a zkratky připravte v požadované mluvené podobě. Stejné číslice mohou představovat množství nebo identifikátor, proto určete, zda má posluchač slyšet celé číslo, nebo jednotlivé číslice. Měsíc a datum zapište jednoznačně a zkratky, které mají zaznít jako slova, rozepište. Běžný vysvětlující pokyn vložený do textu může být také přečten nahlas; expresivní zvukové značky v3 a v4 nejsou ovládacím profilem popsaným pro tuto verzi.
Rodina formátů výrobce zahrnuje MP3, nekomprimovaný 16bitový PCM, μ-law a A-law pro telefonii a Opus. Společný postup může dodat úplnou nahrávku nebo vracet řeč postupně. Nastavení hlasu ovlivňují stabilitu, podobnost a tempo; dokumentovaný rozsah rychlosti je 0.7 až 1.2 a hodnota 1.0 znamená nezměněné tempo. Tato nastavení usměrňují přednes, aniž by zaručovala totožnou nahrávku nebo přesnou konečnou délku.
U praktické anglické zprávy nápovědy uveďte nejprve výsledek a poté jeden další krok: potvrďte uložení volby, jasně vyslovte název příslušného pole a vysvětlete, co může uživatel udělat dál. Pro návod napište úplný pokyn a před následující akcí použijte pauzu. Ve vybraném zvuku zkontrolujte obtížná jména, čísla a přechody. Tento přednes uchovejte spolu se scénářem a přípravou výslovnosti, aby mohl sloužit jako opakovaně použitelný mluvený pokyn, oznámení či odpověď asistenta.
Ailoot Ultra · Převod na řeč POST /v1/audio/speech elevenlabs/eleven-flash-v2
elevenlabs/eleven-flash-v2Úvod
Eleven Flash v2 je model převodu textu na řeč od ElevenLabs určený pouze pro angličtinu a pohotové hlasové interakce. Převádí připravený text na mluvený zvuk, s limitem 30 000 znaků na požadavek a dokumentovaným ovládáním pauz i výslovnosti jednotlivých slov.
- Přijímané vstupy
- Text
- Výsledky
- Zvuk
Dostupné v Ailoot · vstupy a metody
Ailoot Ultra · Převod na řeč POST /v1/audio/speech
- Vstup
text- Výstup
audio- Výstupní formát
- mp3
| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity elevenlabs/eleven-flash-v2 | Výchozí— |
Poleinput | Typstring | PožadavekPovinné | Hodnoty a limity Minimální délka: 1 Maximální délka: 30 000 Jednotka: znaky Unicode | Výchozí— |
Polevoice | Typstring | PožadavekPovinné | Hodnoty a limity george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will | Výchozí— |
Poleresponse_format | Typstring | PožadavekPovinné | Hodnoty a limity mp3 | Výchozí— |
Kombinace vstupních materiálů
text_to_speech · Povinné: input
Parametry a životní cyklus metody
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, input, voice, response_format |
Parametrvoice_ids | Kontraktgeorge, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will |
Parametrresponse_format | Kontraktmp3 |
Parametrmax_input_characters | Kontrakt30000 |
Parametrother_options | Kontraktfalse |
Parametrinput | Kontraktpřesný text UTF-8; počet znaků Unicode bez normalizace |
Parametrmaterial_types | Kontrakttext |
Životní cyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · skutečně vrácené task_id nebo záznam v knihovně médií
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Vyberte přesný hlas z tohoto profilu modelu.
Vstupní znaky a sekundy zvuku jsou různé měrné jednotky.
Tarify
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
- Rychlý režim
- Neuvedeno Při výběru rychlého režimu
- Režim flex
- Neuvedeno Při výběru režimu flex
- Maximální intenzita uvažování
- Neuvedeno Když se při maximální intenzitě uvažování použije výchozí úprava (default)
Sazby Ailoot
Ceny podle konfigurace
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Účtovací jednotka | Poplatek |
|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Účtovací jednotka— | Poplatek Vstup · Vstupní tokeny — / 1K tokenů Výstup · Výstupní tokeny — / 1K tokenů Vstup · Čtení z mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
| Konfiguracevstupní znak | Tabulka sazeb— | Účtovací jednotkaza vstupní znak | Poplatek Vstup · vstupní znak $0.00008 za vstupní znak |
Podrobnosti referenčního tarifu
Referenční tabulky modelu nemění výběr metody, cenové nabídky ani poplatky. Skutečné poplatky používají sazby vybrané metody Ailoot.
ElevenLabs: Eleven Flash v2
Ceny podle konfigurace
| Konfigurace | Podmínky účtování | Poplatek |
|---|---|---|
| KonfiguraceElevenLabs: Eleven Flash v2 · Výchozí konfigurace | Podmínky účtováníVýchozí konfigurace | Poplatek Vstup · Vstupní znaky 0,00004 US$ za vstupní znak |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
Příklady požadavků
Ailoot Ultra · Převod na řeč
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "elevenlabs/eleven-flash-v2", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["george", "sarah", "adam", "alice", "bella", "bill", "brian", "callum", "charlie", "chris", "daniel", "eric", "harry", "jessica", "laura", "liam", "lily", "matilda", "river", "roger", "will"]')
if voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")
p["voice"]=voice
p["response_format"]="mp3"
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o speech.mp3
Přijímání a ukládání výsledků
Ailoot Ultra · Převod na řeč
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Další načtení obsahu
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
-H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
-H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
-H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT
Uchovejte všechny dokončené výsledky
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Uchovejte úplný binární výsledek a hlavičky. Pokud odpověď obsahuje JSON nebo více výstupů, uchovejte všechny datové položky a stáhněte každý soubor ze skutečně vrácené podepsané URL.
Pokud je nutné ověřit původní odpověď
Uchovejte původní operation_id/X-Client-Request-ID pro spárování záznamů bez opětovného odeslání; samostatná trasa pro dotazování na stav zvuku neexistuje.
Pole odpovědi
| Pole | Typ |
|---|---|
Polebinary audio | Typbytes |
Poleresponse headers | Typheaders |
Chyby a další kroky
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Odpověďserver_error | PodmínkaVrácená odpověď uvádí, že operaci nebo výsledek je třeba zkontrolovat | Další krokUchovejte původní vrácené ID operace nebo úlohy, hlavičky požadavku a odpověď; pokračujte v podporovaném načítání údajů o této původní operaci. Požadavek na vytvoření znovu neodesílejte. |
Aliasy
Aliasy modelu
Ailoot Ultra elevenlabs/eleven-flash-v2
Aliasy cest metod
Použijte cesty metod uvedené výše.
Související ID modelů
FAQ · ElevenLabs: Eleven Flash v2
- Jaké vstupy a výsledky jsou dostupné?
POST /v1/audio/speech·elevenlabs/eleven-flash-v2:text→audio- Jaká pole požadavek používá?
POST /v1/audio/speech·elevenlabs/eleven-flash-v2:model,input,voice,response_format- Jaké limity platí?
POST /v1/audio/speech·elevenlabs/eleven-flash-v2:input.maximum_length:30000