ElevenLabs: Eleven Turbo v2.5

Eleven Turbo v2.5 ist das mehrsprachige Text-to-Speech-Modell von ElevenLabs für interaktive Sprachausgabe. Es empfängt den Text einer vorbereiteten Äußerung und erzeugt Audio mit einer ausgewählten Stimme. Der Hersteller positioniert es für Anwendungen mit niedriger Latenz und Gesprächsschnittstellen. Anders als das ausschließlich englischsprachige Turbo v2 unterstützt diese Modellversion ein mehrsprachiges Skript; das Modell erstellt weder die Antwort der Anwendung noch transkribiert es eine eingehende Nutzeraufnahme.

Seine Auswahl von 32 Sprachen enthält die 29 Sprachen von Multilingual v2 sowie Ungarisch, Norwegisch und Vietnamesisch. Zu den dokumentierten Sprachen gehören Englisch, Japanisch, Chinesisch, Deutsch, Hindi, Französisch, Koreanisch, Portugiesisch, Italienisch, Spanisch, Indonesisch, Niederländisch, Türkisch, Filipino, Polnisch, Schwedisch, Bulgarisch, Rumänisch, Arabisch, Tschechisch, Griechisch, Finnisch, Kroatisch, Malaiisch, Slowakisch, Dänisch, Tamil, Ukrainisch und Russisch. Bereiten Sie einen natürlichen Wortlaut für die Zielsprache vor und wählen Sie eine Stimme mit dem für den Hörer benötigten Akzent.

Die vollständigen TTS-Produkt-FAQ des Herstellers nennen für Turbo v2.5 ausdrücklich eine API-Eingabegrenze von 40.000 Zeichen. Die damit verbundene ungefähre Aufnahmelänge ist keine genaue Dauer: Stimme, Sprache und Sprechtempo bestimmen die Länge der tatsächlichen Aufnahme. Liefern Sie für eine Gesprächsantwort einen kurzen vollständigen Gedanken, statt den verfügbaren Eingaberaum auszuschöpfen. Teilen Sie längere Inhalte in zusammengehörige Abschnitte und bewahren Sie den umgebenden Kontext.

ElevenLabs beschreibt Turbo v2.5 und Flash v2.5 als funktional gleichwertige Herstellermodelle, wobei Flash im Durchschnitt eine niedrigere Latenz hat. Sie behalten separate Namen und Modellkarten; der Vergleich belegt weder die Gewichte noch die Antwortzeit einer bestimmten Laufzeitumgebung. Turbo v2.5 bleibt ein nützliches benanntes mehrsprachiges Syntheseprofil, wenn eine Aufgabe oder Anwendung genau diese Modellversion festhält. Bewahren Sie bei Vergleichen von Darbietungen die Stimmen- und Textvorbereitung zusammen mit dem ausgewählten Ergebnis auf.

Die Aussprachevorbereitung ist bei Namen, Referenzcodes, Datumsangaben und abgekürzten Begriffen besonders wichtig. Schreiben Sie Ziffern einzeln, wenn der Hörer eine Kennung wiederholen muss, und schreiben Sie eine Formulierung aus, wenn ihre gesprochene Bedeutung sonst mehrdeutig wäre. Verwenden Sie für einen schwierigen wiederkehrenden Namen eine konsistente alternative Schreibweise oder einen Aussprachealias. Der Wörterbuchleitfaden führt Turbo v2.5 nicht unter den Modellen mit Phonemregeln auf; deshalb werden native IPA- oder Phonemfunktionen anderer benannter Modellversionen nicht in dieses Profil übernommen.

Tonfall und Rhythmus entstehen aus Text, Satzzeichen, Stimme und den Stimmeneinstellungen des Herstellers. Der gemeinsame Produktleitfaden beschreibt stability für Konsistenz, similarity für Ähnlichkeit und Geschwindigkeitseinstellungen von 0.7 bis 1.2, wobei 1.0 unverändert bleibt. Die ursprüngliche Sprache und der Sprechrhythmus der Stimme können ein mehrsprachiges Ergebnis beeinflussen. Eine emotionale Anweisung, die als gewöhnlicher Erzähltext geschrieben ist, kann selbst gesprochen werden; die Audiotag-Steuerung von v3 und v4 ist eine separate Modellfunktion. Bereiten Sie eine saubere gesprochene Antwort vor und machen Sie ihre gewünschte Stimmung durch den Wortlaut deutlich.

Der gemeinsame TTS-Workflow dokumentiert vollständige Sprachgenerierung und gestreamtes Audio. Seine Formatfamilie umfasst MP3, unkomprimiertes 16-Bit-PCM, μ-law und A-law für Telefonie sowie Opus. Wählen Sie ein für das Wiedergabeziel geeignetes Format und bewahren Sie das Skript beim ausgewählten Audio auf. Streaming betrifft die Bereitstellung erzeugter Sprachausgabe; es ist vom Zuhören bei einem Nutzer, dem Erkennen einer Gesprächsrunde oder der Entscheidung über die auszuführende Assistentenhandlung getrennt.

Bestätigen Sie für eine praktische mehrsprachige Assistentenantwort ein Ergebnis und nennen Sie einen nächsten Schritt. Ein Hinweis in einer Anleitung kann das zu verwendende Bedienelement nennen und erklären, was nach seiner Auswahl geschieht. Passen Sie diesen Wortlaut für jede Sprache an und bewahren Sie Namen und die tatsächliche Handlung, statt einen unnatürlichen Satz mechanisch zu übersetzen. Prüfen Sie eine charakteristische Zeile auf Aussprache, Akzent, Verständlichkeit und ihren Anschluss an die vorangegangene Gesprächsrunde. Das wiederverwendbare Ergebnis ist die Sprachaufnahme, die mit dem genauen Skript, der Stimme und der Modellversion Turbo v2.5 verknüpft ist.