ElevenLabs: Eleven Flash v2

Το Eleven Flash v2 είναι το μοντέλο μετατροπής κειμένου σε ομιλία της ElevenLabs αποκλειστικά για αγγλικά, για φωνητικές αλληλεπιδράσεις με γρήγορη απόκριση. Μετατρέπει προετοιμασμένο κείμενο σε προφορικό ήχο, με όριο 30.000 χαρακτήρων ανά αίτημα και τεκμηριωμένους ελέγχους για παύσεις και προφορά μεμονωμένων λέξεων.

Ailoot Ultra · Σύνθεση ομιλίας POST /v1/audio/speech elevenlabs/eleven-flash-v2

Σχετικά με το μοντέλο

Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.

Το Eleven Flash v2 είναι το μοντέλο σύνθεσης ομιλίας της ElevenLabs αποκλειστικά για αγγλικά, για εφαρμογές φωνής με γρήγορη απόκριση. Λαμβάνει μια γραπτή εκφώνηση και παράγει προφορικό ήχο με την επιλεγμένη φωνή. Ο κατασκευαστής προορίζει το Flash για συνομιλίες πραγματικού χρόνου και διαδραστικές εμπειρίες, όπως επιβεβαιώσεις βοηθών, προφορικές οδηγίες και απαντήσεις σε παιχνίδια. Αυτή η συγκεκριμένη έκδοση είναι ξεχωριστή από το πολύγλωσσο Flash v2.5 και τις εκφραστικές οικογένειες v3 και v4.

Τα αγγλικά είναι το γλωσσικό προφίλ του Flash v2. Μια φωνή μπορεί να δώσει τοπική προφορά και συγκεκριμένο ύφος, αλλά δεν κάνει αυτή την έκδοση πολύγλωσσο μοντέλο. Επιλέξτε φωνή που ταιριάζει στον προβλεπόμενο ακροατή και στον σκοπό της φράσης. Η επιβεβαίωση ενός βοηθού, ένας αφηγητής οδηγιών και ένας διαδραστικός χαρακτήρας μπορεί να απαιτούν διαφορετικό ρυθμό, ακόμη και όταν το πραγματολογικό περιεχόμενο είναι το ίδιο. Προετοιμάστε πριν από τη σύνθεση τις πραγματικές αγγλικές λέξεις που πρέπει να εκφωνηθούν.

Ένα αίτημα υποστηρίζει έως 30.000 χαρακτήρες. Η κατά προσέγγιση διάρκεια ήχου που δίνει ο παραγωγός δίπλα σε αυτό το όριο δεν είναι σταθερή διάρκεια. Για μια διαδραστική απάντηση, διατηρήστε μία κύρια σκέψη και σαφές τέλος· για μια μεγαλύτερη ηχογράφηση, χωρίστε το συναφές κείμενο στα όρια προτάσεων ή ενοτήτων. Η κοινή ροή εργασίας TTS τεκμηριώνει τη χρήση γειτονικού κειμένου ή του συμφραζομένου των αιτημάτων για τη διατήρηση της προσωδίας μεταξύ συνδεδεμένων παραγωγών ομιλίας. Επομένως, ο χωρισμός σε τμήματα δεν χρειάζεται να καταργεί τη σχέση μεταξύ διαδοχικών αποσπασμάτων.

Η ροή παύσεων του Flash v2 χρησιμοποιεί ετικέτες SSML break. Ο οδηγός προϊόντος δίνει το <break time="1.5s" /> ως τρόπο για να ζητηθεί μια φυσική παύση, με τεκμηριωμένη διάρκεια έως τρία δευτερόλεπτα. Η φωνή επηρεάζει την εκφορά γύρω από την παύση, ενώ η υπερβολική χρήση ετικετών μπορεί να προκαλέσει αλλαγές ταχύτητας, θόρυβο ή τεχνουργήματα. Χρησιμοποιήστε μια παύση εκεί όπου ο ακροατής χρειάζεται μετάβαση και όχι ανάμεσα σε κάθε λέξη. Η στίξη και τα αποσιωπητικά μπορούν επίσης να επηρεάσουν τον χρονισμό, αλλά είναι λιγότερο συνεπή και μπορεί να προσθέσουν διστακτικό ύφος.

Οι μεμονωμένες λέξεις μπορούν να χρησιμοποιούν σημειογραφία φωνημάτων SSML σε IPA ή CMU Arpabet. Ο κατασκευαστής συνιστά CMU Arpabet για πιο προβλέψιμη προφορά στο v2 και αναφέρει ότι οι κανόνες φωνημάτων πρέπει να εφαρμόζονται ξεχωριστά σε κάθε λέξη ενός ονόματος που αποτελείται από πολλές λέξεις. Τα λεξικά προφοράς μπορούν να διατηρούν το προτιμώμενο φώνημα ή ένα ψευδώνυμο για έναν επαναλαμβανόμενο όρο· η αντιστοίχιση διακρίνει πεζά και κεφαλαία. Αυτό διαφέρει από την εγγενή σύνταξη IPA του v4 με οριοθέτηση μέσω καθέτων και από το προφίλ προφοράς του Flash v2.5.

Προετοιμάστε κωδικούς αναφοράς, ημερομηνίες και συντομογραφίες στην επιθυμητή προφορική μορφή. Τα ίδια ψηφία μπορούν να αναπαριστούν ποσότητα ή αναγνωριστικό, επομένως προσδιορίστε αν ο ακροατής πρέπει να ακούσει έναν ολόκληρο αριθμό ή ξεχωριστά ψηφία. Γράψτε τον μήνα και την ημερομηνία χωρίς ασάφεια και αναπτύξτε τις συντομογραφίες που πρέπει να εκφωνηθούν ως λέξεις. Μια συνηθισμένη επεξηγηματική οδηγία μέσα στο κείμενο μπορεί να διαβαστεί και η ίδια δυνατά· οι εκφραστικές ετικέτες ήχου των v3 και v4 δεν αποτελούν το προφίλ ελέγχου που περιγράφεται για αυτή την έκδοση.

Η οικογένεια μορφών του παραγωγού περιλαμβάνει MP3, ασυμπίεστο PCM 16 bit, μ-law και A-law για τηλεφωνία, καθώς και Opus. Η κοινή ροή εργασίας μπορεί να παραδίδει μια πλήρη ηχογράφηση ή να επιστρέφει ομιλία σταδιακά. Οι ρυθμίσεις φωνής επηρεάζουν τη σταθερότητα, την ομοιότητα και τον ρυθμό, με τεκμηριωμένο εύρος ταχύτητας από 0.7 έως 1.2 και με το 1.0 να διατηρεί την ταχύτητα αμετάβλητη. Αυτές οι ρυθμίσεις καθοδηγούν μια εκτέλεση χωρίς να εγγυώνται πανομοιότυπη λήψη ή ακριβή τελική διάρκεια ηχογράφησης.

Για ένα πρακτικό μήνυμα βοήθειας στα αγγλικά, δώστε πρώτα το αποτέλεσμα και μετά ένα επόμενο βήμα: επιβεβαιώστε μια αποθηκευμένη επιλογή, προφέρετε καθαρά το σχετικό όνομα πεδίου και εξηγήστε τι μπορεί να κάνει μετά ο χρήστης. Για έναν εκπαιδευτικό οδηγό, γράψτε μια ολοκληρωμένη οδηγία και χρησιμοποιήστε μια παύση πριν από την επόμενη ενέργεια. Ελέγξτε τα δύσκολα ονόματα, τους αριθμούς και τις μεταβάσεις στον επιλεγμένο ήχο. Διατηρήστε αυτή τη λήψη με το κείμενο και την προετοιμασία της προφοράς, ώστε να γίνει επαναχρησιμοποιήσιμη προφορική υπόδειξη, ειδοποίηση ή απάντηση βοηθού.

Ailoot Ultra · Σύνθεση ομιλίας POST /v1/audio/speech elevenlabs/eleven-flash-v2

elevenlabs/eleven-flash-v2

ElevenLabs /elevenlabs/eleven-flash-v2

Εισαγωγή

Αποδεκτές είσοδοι: Κείμενο
Αποτελέσματα: Ήχος

Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι

Ailoot Ultra · Σύνθεση ομιλίας POST /v1/audio/speech

Είσοδος: text
Έξοδος: audio
Μορφή εξόδου: mp3

Πεδίο	Τύπος	Απαίτηση	Τιμές και όρια	Προεπιλογή
Πεδίο`model`	Τύπος`string`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια elevenlabs/eleven-flash-v2	Προεπιλογή—
Πεδίο`input`	Τύπος`string`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια Ελάχιστο μήκος: 1 Μέγιστο μήκος: 30.000 Μονάδα: χαρακτήρες Unicode	Προεπιλογή—
Πεδίο`voice`	Τύπος`string`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will	Προεπιλογή—
Πεδίο`response_format`	Τύπος`string`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια mp3	Προεπιλογή—

Συνδυασμοί υλικών εισόδου

text_to_speech · Υποχρεωτικό: input

Παράμετροι και κύκλος ζωής μεθόδου

Παράμετρος	Σύμβαση
Παράμετρος`content_type`	Σύμβασηapplication/json
Παράμετρος`required`	Σύμβασηmodel, input, voice, response_format
Παράμετρος`voice_ids`	Σύμβασηgeorge, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will
Παράμετρος`response_format`	Σύμβασηmp3
Παράμετρος`max_input_characters`	Σύμβαση30000
Παράμετρος`other_options`	Σύμβασηfalse
Παράμετρος`input`	Σύμβασηακριβές κείμενο UTF-8· πλήθος χαρακτήρων Unicode χωρίς κανονικοποίηση
Παράμετρος`material_types`	Σύμβασηtext

Κύκλος ζωής: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Το πραγματικό task_id που επιστράφηκε ή μια εγγραφή στη βιβλιοθήκη πολυμέσων

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Επιλέξτε την ακριβή φωνή από αυτό το προφίλ μοντέλου.

Οι χαρακτήρες εισόδου και τα δευτερόλεπτα ήχου αποτελούν διαφορετικές μονάδες μέτρησης.

Τιμολόγηση

Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.

Γρήγορη λειτουργία: Δεν έχει οριστεί Όταν επιλέγεται η γρήγορη λειτουργία
Λειτουργία flex: Δεν έχει οριστεί Όταν επιλέγεται η λειτουργία flex
Μέγιστη προσπάθεια συλλογισμού: Δεν έχει οριστεί Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default

Χρεώσεις Ailoot

Τιμές ανά διαμόρφωση

Αντιστοιχίστε κάθε χρέωση στις συνθήκες που εμφανίζονται. Χρησιμοποιήστε μία χρέωση ανά σύνολο εναλλακτικών διαμορφώσεων.

Διαμόρφωση	Πίνακας χρεώσεων	Μονάδα τιμολόγησης	Χρέωση
ΔιαμόρφωσηΒασικές χρεώσεις token	Πίνακας χρεώσεωνΒασική χρέωση	Μονάδα τιμολόγησης—	Χρέωση Είσοδος · Token εισόδου — / 1K token Έξοδος · Token εξόδου — / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token
Διαμόρφωσηχαρακτήρας εισόδου	Πίνακας χρεώσεων—	Μονάδα τιμολόγησηςανά χαρακτήρα εισόδου	Χρέωση Είσοδος · χαρακτήρας εισόδου $0.00008 ανά χαρακτήρα εισόδου

Στοιχεία τιμοκαταλόγου αναφοράς

Οι πίνακες αναφοράς του μοντέλου δεν αλλάζουν την επιλογή μεθόδου, τις εκτιμήσεις τιμής ή τις χρεώσεις. Οι εφαρμοζόμενες χρεώσεις χρησιμοποιούν τις τιμές της επιλεγμένης μεθόδου Ailoot.

ElevenLabs: Eleven Flash v2

Τιμές ανά διαμόρφωση

Διαμόρφωση	Συνθήκες χρέωσης	Χρέωση
ΔιαμόρφωσηElevenLabs: Eleven Flash v2 · Προεπιλεγμένη διαμόρφωση	Συνθήκες χρέωσηςΠροεπιλεγμένη διαμόρφωση	Χρέωση Είσοδος · Χαρακτήρες εισόδου 0,00004 $ ανά χαρακτήρα εισόδου

Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →

Παραδείγματα αιτημάτων

Ailoot Ultra · Σύνθεση ομιλίας

curl

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

Λήψη και αποθήκευση αποτελεσμάτων

Ailoot Ultra · Σύνθεση ομιλίας

mp3

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Άλλες ανακτήσεις περιεχομένου

Βιβλιοθήκη πολυμέσωνΚατάσταση εργασίαςΣτοιχεία αρχείου

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

Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα

Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.

Διατηρήστε ολόκληρο το δυαδικό αποτέλεσμα και τις κεφαλίδες. Αν επιστραφεί JSON ή επιστραφούν πολλαπλές έξοδοι, διατηρήστε κάθε στοιχείο δεδομένων και ανακτήστε κάθε πραγματικό υπογεγραμμένο URL πόρου.

Αν χρειάζεται έλεγχος της αρχικής απάντησης

Διατηρήστε το αρχικό operation_id/X-Client-Request-ID για τη συμφωνία των εγγραφών χωρίς νέα υποβολή· δεν υπάρχει ειδική διαδρομή περιοδικού ελέγχου για τον ήχο.

Πεδία απάντησης

Πεδίο	Τύπος
Πεδίο`binary audio`	Τύποςbytes
Πεδίο`response headers`	Τύποςheaders

Σφάλματα και επόμενα βήματα

Απάντηση	Συνθήκη	Επόμενο βήμα
Απάντηση400 · `invalid_request_error`	ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου	Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας.
Απάντηση`server_error`	ΣυνθήκηΗ απόκριση που επιστράφηκε αναφέρει ότι η λειτουργία ή το αποτέλεσμα χρειάζεται έλεγχο	Επόμενο βήμαΔιατηρήστε το αρχικό ID της λειτουργίας/εργασίας που επιστράφηκε, τις κεφαλίδες του αιτήματος και την απόκριση· συνεχίστε με τις υποστηριζόμενες αναγνώσεις αυτής της αρχικής λειτουργίας. Μην υποβάλετε ξανά το αίτημα δημιουργίας.

Εναλλακτικά ονόματα

Εναλλακτικά ονόματα μοντέλου

Ailoot Ultra elevenlabs/eleven-flash-v2

Εναλλακτικές διαδρομές μεθόδων

Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.

Σχετικά ID μοντέλων

elevenlabs/eleven-flash-v2

FAQ · ElevenLabs: Eleven Flash v2

Ποιες είσοδοι και αποτελέσματα διατίθενται;: POST /v1/audio/speech · elevenlabs/eleven-flash-v2: text → audio
Ποια πεδία χρησιμοποιεί το αίτημα;: POST /v1/audio/speech · elevenlabs/eleven-flash-v2: model, input, voice, response_format
Ποια όρια ισχύουν;: POST /v1/audio/speech · elevenlabs/eleven-flash-v2: input.maximum_length: 30000

ElevenLabs: Eleven Flash v2