ElevenLabs: Eleven v3
Το Eleven v3 συνθέτει συναισθηματικά εκφραστική ομιλία από ένα κείμενο, με ενσωματωμένες ετικέτες ήχου και λειτουργία διαλόγου του κατασκευαστή. Υποστηρίζει περισσότερες από 70 γλώσσες και όριο 5.000 χαρακτήρων ανά αίτημα για αφήγηση, σκηνές χαρακτήρων και άλλες ερμηνείες όπου η εκφορά έχει σημασία.
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 v3 είναι το εκφραστικό μοντέλο μετατροπής κειμένου σε ομιλία της ElevenLabs για συναισθηματικό διάλογο, συζητήσεις χαρακτήρων και αφήγηση ηχητικών βιβλίων. Μετατρέπει ένα γραπτό κείμενο σε ομιλία σε μορφή ήχου και χρησιμοποιεί τα συμφραζόμενα για να διαμορφώσει το συναισθηματικό εύρος και την εκφορά. Ο κατασκευαστής υποστηρίζει τόσο ομιλία με μία φωνή όσο και ροή διαλόγου με πολλούς ομιλητές. Αυτή η παρουσίαση αφορά την έκδοση με το όνομα v3, η οποία παραμένει διακριτή από το v3 Conversational και τη μεταγενέστερη οικογένεια v4.
Οι ενσωματωμένες ετικέτες ήχου μπορούν να κατευθύνουν το συναίσθημα, τη φωνητική εκφορά και τις μη λεκτικές αντιδράσεις. Ο κατασκευαστής δίνει παραδείγματα όπως [sad], [angry], [happily], [whispers], [shouts], [laughs], [clears throat] και [sighs]. Τοποθετήστε την οδηγία κοντά στις λέξεις ή στην αντίδραση που πρέπει να επηρεάσει. Για μια αφηγηματική σκηνή, ενσωματώστε τη συναισθηματική μετάβαση στον ίδιο τον διάλογο και χρησιμοποιήστε την ετικέτα για να δηλώσετε ρητά τον επιθυμητό ήχο, αντί να βασίζεστε σε μια αποκομμένη περιγραφή της σκηνής.
Το v3 δεν υποστηρίζει ετικέτες SSML <break>. Ο οδηγός σύνταξης προτροπών του χρησιμοποιεί ετικέτες ήχου, στίξη, αποσιωπητικά και τη δομή του κειμένου για τις παύσεις και τον ρυθμό. Αυτή η προσέγγιση παρέχει σκηνοθετική οδηγία και όχι εγγύηση ακριβούς χρονισμού. Για μια διστακτική ατάκα, τα αποσιωπητικά και η σχετική φωνητική οδηγία μπορούν να κάνουν σαφή τον επιδιωκόμενο δισταγμό. Αν μια ηχογράφηση πρέπει να χωρέσει σε συγκεκριμένο χρονοδιάγραμμα, χρησιμοποιήστε την επιλεγμένη λήψη και τη ροή μοντάζ για να την τοποθετήσετε, αντί να αντιμετωπίζετε μια ετικέτα παύσης ως μονάδα σταθερής διάρκειας.
Η επιλογή φωνής παραμένει σημαντική. Οι τεκμηριωμένες οδηγίες αναφέρουν ότι μια εκφορά που υπάρχει ήδη στο υλικό εκπαίδευσης της φωνής αναπαράγεται ευκολότερα, ενώ ασυνήθιστα αιτήματα μπορεί να είναι λιγότερο αξιόπιστα. Ταιριάξτε τη φωνή στον χαρακτήρα ή στον αφηγητή και ελέγξτε αν οι επιλεγμένες ετικέτες παράγουν την επιθυμητή εκφορά. Η τρέχουσα ενότητα προτροπών για το v3 αναφέρει ότι τα Professional Voice Clones δεν είναι πλήρως βελτιστοποιημένα για αυτή την έκδοση· οι τεκμηριωμένες βελτιώσεις κλώνων και οι εγγενείς ρυθμίσεις προφοράς του v4 είναι λειτουργίες ξεχωριστής έκδοσης. Ο οδηγός προϊόντος σημειώνει επίσης ότι τα Speed, Similarity και Speaker Boost δεν είναι διαθέσιμα στο συνηθισμένο v3. Προετοιμάστε τον ρυθμό και την εκφορά μέσω της φωνής, των ετικετών, της στίξης και της δομής του κειμένου, αντί να μεταφέρετε ρυθμιστικά άλλης έκδοσης.
Το Eleven v3 υποστηρίζει περισσότερες από 70 γλώσσες, μεταξύ των οποίων αγγλικά, γαλλικά, γερμανικά, ιαπωνικά, κορεατικά, ισπανικά, πορτογαλικά και ρωσικά. Επιλέξτε φωνή κατάλληλη για τη γλώσσα και την τοπική προφορά και προετοιμάστε την πραγματική διατύπωση που θα ακουστεί πριν από τη σύνθεση. Η υποστήριξη γλώσσας δεν μεταφράζει αυτόματα ένα κείμενο. Για μια τοπικά προσαρμοσμένη σκηνή χαρακτήρων, διατηρήστε την πρόθεση και την αντίδραση του ομιλητή, προσαρμόζοντας φυσικά τη διατύπωση στο κοινό.
Ένα αίτημα μετατροπής κειμένου σε ομιλία υποστηρίζει έως 5.000 χαρακτήρες. Χωρίστε τα μεγαλύτερα κείμενα σε ολοκληρωμένες ενότητες σκηνής ή αφήγησης, ώστε κάθε τμήμα να έχει σαφή αρχή και τέλος. Ο κατασκευαστής παρέχει λειτουργίες δημιουργίας και συνεχούς μετάδοσης για την ομιλία, καθώς και λειτουργίες δημιουργίας και συνεχούς μετάδοσης για τον διάλογο. Στον διάλογο, αντιστοιχίστε κάθε εναλλαγή στον προβλεπόμενο ομιλητή και διατηρήστε τη σειρά τους. Κρατήστε κάθε συναισθηματική αλλαγή μαζί με αρκετό περιβάλλον κείμενο ώστε η μετάβαση να είναι κατανοητή.
Η κοινή ροή ήχου του κατασκευαστή προσφέρει MP3, PCM και κωδικοποιήσεις τηλεφωνίας όπως μ-law, ενώ ο οδηγός TTS παραθέτει επιπλέον μορφές. Τα λεξικά προφοράς προσφέρουν έναν τρόπο διατήρησης συνέπειας στα ονόματα και στους τεχνικούς όρους. Ο οδηγός λεξικών περιλαμβάνει ρητά το v3 για κανόνες φωνημάτων και περιορίζει την πολύγλωσση φωνητική επέκτασή του στο v4· αυτό δεν καθιστά την εγγενή σύνταξη IPA με πλαγιοκαθέτους του v4 λειτουργία του v3. Προετοιμάστε τις σημαντικές γραφές ή εναλλακτικές μορφές εκφώνησης και ελέγξτε το αποτέλεσμα με την επιλεγμένη φωνή.
Για μια πρακτική οδηγία ερμηνείας, δώστε ένα ολοκληρωμένο επεισόδιο και όχι ένα περίγραμμα: την εισαγωγή του αφηγητή, την πραγματική ατάκα του χαρακτήρα και την αντίδραση που κλείνει τη σκηνή. Διευκρινίστε ποιο περιεχόμενο εκφωνείται, πού ανήκει μια φωνητική αντίδραση και ποια είναι η συναισθηματική κατεύθυνση κάθε επιμέρους στιγμής. Ελέγξτε την προφορά, την ταυτότητα της φωνής, τυχόν ανεπιθύμητη εκφώνηση οδηγιών και τη μετάβαση μεταξύ ομιλητών. Το αποτέλεσμα είναι μια εκφραστική ηχογράφηση του δοσμένου κειμένου, με επιλεγμένη λήψη που μπορεί να επαναχρησιμοποιηθεί ή να αναθεωρηθεί στο έργο ήχου.
Ailoot Ultra · Σύνθεση ομιλίας POST /v1/audio/speech elevenlabs/eleven-v3
elevenlabs/eleven-v3Εισαγωγή
Το Eleven v3 συνθέτει συναισθηματικά εκφραστική ομιλία από ένα κείμενο, με ενσωματωμένες ετικέτες ήχου και λειτουργία διαλόγου του κατασκευαστή. Υποστηρίζει περισσότερες από 70 γλώσσες και όριο 5.000 χαρακτήρων ανά αίτημα για αφήγηση, σκηνές χαρακτήρων και άλλες ερμηνείες όπου η εκφορά έχει σημασία.
- 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 |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια elevenlabs/eleven-v3 | Προεπιλογή— |
Πεδίοinput | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο μήκος: 1 Μέγιστο μήκος: 5.000 Μονάδα: χαρακτήρες Unicode | Προεπιλογή— |
Πεδίοvoice | Τύποςstring | 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— |
Πεδίοresponse_format | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια mp3 | Προεπιλογή— |
Συνδυασμοί υλικών εισόδου
text_to_speech · Υποχρεωτικό: input
Παράμετροι και κύκλος ζωής μεθόδου
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, input, voice, response_format |
Παράμετροςvoice_ids | Σύμβασηgeorge, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will |
Παράμετροςresponse_format | Σύμβασηmp3 |
Παράμετροςmax_input_characters | Σύμβαση5000 |
Παράμετροςother_options | Σύμβασηfalse |
Παράμετροςinput | Σύμβασηακριβές κείμενο UTF-8· πλήθος χαρακτήρων Unicode χωρίς κανονικοποίηση |
Παράμετροςmaterial_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 $0.00016 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 v3
Τιμές ανά διαμόρφωση
| Διαμόρφωση | Συνθήκες χρέωσης | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηElevenLabs: Eleven v3 · Προεπιλεγμένη διαμόρφωση | Συνθήκες χρέωσηςΠροεπιλεγμένη διαμόρφωση | Χρέωση Είσοδος · Χαρακτήρες εισόδου 0,00008 $ 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
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-v3", "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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o speech.mp3
Λήψη και αποθήκευση αποτελεσμάτων
Ailoot Ultra · Σύνθεση ομιλίας
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Άλλες ανακτήσεις περιεχομένου
set -eu
: "${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 |
|---|---|
Πεδίοbinary audio | Τύποςbytes |
Πεδίοresponse 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. |
Απάντησηserver_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-v3
Εναλλακτικές διαδρομές μεθόδων
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Σχετικά ID μοντέλων
FAQ · ElevenLabs: Eleven v3
- Ποιες είσοδοι και αποτελέσματα διατίθενται;
POST /v1/audio/speech·elevenlabs/eleven-v3:text→audio- Ποια πεδία χρησιμοποιεί το αίτημα;
POST /v1/audio/speech·elevenlabs/eleven-v3:model,input,voice,response_format- Ποια όρια ισχύουν;
POST /v1/audio/speech·elevenlabs/eleven-v3:input.maximum_length:5000