Eleven Turbo v2.5 es el modelo multilingüe de conversión de texto a voz de ElevenLabs para habla interactiva. Recibe el texto de una intervención preparada y produce audio con una voz seleccionada. El fabricante lo orienta a aplicaciones de baja latencia e interfaces conversacionales. A diferencia de Turbo v2, que solo admite inglés, esta edición admite un guion multilingüe; el modelo no crea la respuesta de la aplicación ni transcribe una grabación entrante del usuario.
Su conjunto de 32 idiomas contiene los 29 de Multilingual v2 más húngaro, noruego y vietnamita. Los idiomas documentados incluyen inglés, japonés, chino, alemán, hindi, francés, coreano, portugués, italiano, español, indonesio, neerlandés, turco, filipino, polaco, sueco, búlgaro, rumano, árabe, checo, griego, finés, croata, malayo, eslovaco, danés, tamil, ucraniano y ruso. Prepara una formulación natural para el idioma de destino y elige una voz con el acento que necesita el público.
Las preguntas frecuentes completas del producto TTS del productor indican explícitamente un límite de entrada de API de 40,000 caracteres para Turbo v2.5. La duración aproximada de grabación asociada no es una duración exacta: la voz, el idioma y la velocidad de habla determinan la duración de la toma real. Para una respuesta conversacional, proporciona una idea breve y completa en vez de llenar toda la entrada disponible. Para contenido más largo, divide el guion en secciones relacionadas y conserva el contexto circundante.
ElevenLabs describe Turbo v2.5 y Flash v2.5 como modelos del productor funcionalmente equivalentes, con menor latencia media para Flash. Mantienen nombres y fichas separados; la comparación no establece los pesos ni el tiempo de respuesta de una implementación concreta en ejecución. Turbo v2.5 sigue siendo un perfil multilingüe de síntesis útil e identificado por su nombre cuando una tarea o aplicación registra esa edición exacta. La preparación de la voz y del texto debe conservarse junto al resultado elegido al comparar interpretaciones.
La preparación de la pronunciación importa especialmente para nombres, códigos de referencia, fechas y términos abreviados. Escribe los dígitos individualmente cuando el público deba repetir un identificador y desarrolla una expresión cuando su significado oral resulte ambiguo de otro modo. Utiliza una grafía alternativa o un alias de pronunciación coherente para un nombre difícil recurrente. La guía de diccionarios no enumera Turbo v2.5 entre los modelos que utilizan reglas de fonemas, de modo que las funciones IPA nativas o de fonemas de otras ediciones identificadas no se trasladan a este perfil.
El tono y el ritmo proceden del texto, la puntuación, la voz y las opciones de voz del productor. La guía compartida del producto describe estabilidad para la coherencia, similitud para el parecido y opciones de velocidad de 0.7 a 1.2, con 1.0 sin cambios. El idioma y la cadencia originales de la voz pueden afectar al resultado multilingüe. Una indicación emocional escrita como narración normal puede pronunciarse también, mientras que el control mediante etiquetas de audio de v3 y v4 es una función de otros modelos. Prepara una respuesta hablada limpia y deja claro el ánimo previsto mediante las palabras.
El flujo compartido TTS documenta la generación completa de voz y el audio en streaming. Su familia de formatos incluye MP3, PCM de 16 bits sin comprimir, μ-law y A-law para telefonía, y Opus. Elige un formato adecuado para el destino de reproducción y conserva el guion junto al audio seleccionado. El streaming se refiere a cómo se entrega la voz generada; es independiente de escuchar a un usuario, detectar un turno o decidir qué acción debe realizar un asistente.
Para una respuesta práctica de asistente multilingüe, confirma un resultado e indica un siguiente paso. Una instrucción de tutorial puede nombrar el control que debe usar el usuario y explicar qué sucede después de seleccionarlo. Adapta esa formulación a cada idioma, conservando los nombres y la acción real en vez de traducir mecánicamente una frase poco natural. Revisa una intervención característica para comprobar la pronunciación, el acento, la inteligibilidad y cómo sigue al turno anterior. El resultado reutilizable es la toma de voz vinculada al guion exacto, a la voz y a la edición Turbo v2.5.
", "aboutText": "Eleven Turbo v2.5 es el modelo multilingüe de conversión de texto a voz de ElevenLabs para habla interactiva. Recibe el texto de una intervención preparada y produce audio con una voz seleccionada. El fabricante lo orienta a aplicaciones de baja latencia e interfaces conversacionales. A diferencia de Turbo v2, que solo admite inglés, esta edición admite un guion multilingüe; el modelo no crea la respuesta de la aplicación ni transcribe una grabación entrante del usuario.\n\nSu conjunto de 32 idiomas contiene los 29 de Multilingual v2 más húngaro, noruego y vietnamita. Los idiomas documentados incluyen inglés, japonés, chino, alemán, hindi, francés, coreano, portugués, italiano, español, indonesio, neerlandés, turco, filipino, polaco, sueco, búlgaro, rumano, árabe, checo, griego, finés, croata, malayo, eslovaco, danés, tamil, ucraniano y ruso. Prepara una formulación natural para el idioma de destino y elige una voz con el acento que necesita el público.\n\nLas preguntas frecuentes completas del producto TTS del productor indican explícitamente un límite de entrada de API de 40,000 caracteres para Turbo v2.5. La duración aproximada de grabación asociada no es una duración exacta: la voz, el idioma y la velocidad de habla determinan la duración de la toma real. Para una respuesta conversacional, proporciona una idea breve y completa en vez de llenar toda la entrada disponible. Para contenido más largo, divide el guion en secciones relacionadas y conserva el contexto circundante.\n\nElevenLabs describe Turbo v2.5 y Flash v2.5 como modelos del productor funcionalmente equivalentes, con menor latencia media para Flash. Mantienen nombres y fichas separados; la comparación no establece los pesos ni el tiempo de respuesta de una implementación concreta en ejecución. Turbo v2.5 sigue siendo un perfil multilingüe de síntesis útil e identificado por su nombre cuando una tarea o aplicación registra esa edición exacta. La preparación de la voz y del texto debe conservarse junto al resultado elegido al comparar interpretaciones.\n\nLa preparación de la pronunciación importa especialmente para nombres, códigos de referencia, fechas y términos abreviados. Escribe los dígitos individualmente cuando el público deba repetir un identificador y desarrolla una expresión cuando su significado oral resulte ambiguo de otro modo. Utiliza una grafía alternativa o un alias de pronunciación coherente para un nombre difícil recurrente. La guía de diccionarios no enumera Turbo v2.5 entre los modelos que utilizan reglas de fonemas, de modo que las funciones IPA nativas o de fonemas de otras ediciones identificadas no se trasladan a este perfil.\n\nEl tono y el ritmo proceden del texto, la puntuación, la voz y las opciones de voz del productor. La guía compartida del producto describe estabilidad para la coherencia, similitud para el parecido y opciones de velocidad de 0.7 a 1.2, con 1.0 sin cambios. El idioma y la cadencia originales de la voz pueden afectar al resultado multilingüe. Una indicación emocional escrita como narración normal puede pronunciarse también, mientras que el control mediante etiquetas de audio de v3 y v4 es una función de otros modelos. Prepara una respuesta hablada limpia y deja claro el ánimo previsto mediante las palabras.\n\nEl flujo compartido TTS documenta la generación completa de voz y el audio en streaming. Su familia de formatos incluye MP3, PCM de 16 bits sin comprimir, μ-law y A-law para telefonía, y Opus. Elige un formato adecuado para el destino de reproducción y conserva el guion junto al audio seleccionado. El streaming se refiere a cómo se entrega la voz generada; es independiente de escuchar a un usuario, detectar un turno o decidir qué acción debe realizar un asistente.\n\nPara una respuesta práctica de asistente multilingüe, confirma un resultado e indica un siguiente paso. Una instrucción de tutorial puede nombrar el control que debe usar el usuario y explicar qué sucede después de seleccionarlo. Adapta esa formulación a cada idioma, conservando los nombres y la acción real en vez de traducir mecánicamente una frase poco natural. Revisa una intervención característica para comprobar la pronunciación, el acento, la inteligibilidad y cómo sigue al turno anterior. El resultado reutilizable es la toma de voz vinculada al guion exacto, a la voz y a la edición Turbo v2.5.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "e29bbbcb373244473f010bffa3af83d8a0cb689e48fdd5541f31bdbec6fef7ea", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es-mx", "methods": [ { "html": "elevenlabs/eleven-turbo-v2.5Eleven Turbo v2.5 es la edición multilingüe de conversión de texto a voz de ElevenLabs para aplicaciones de voz con respuesta ágil. Admite 32 idiomas y hasta 40,000 caracteres por solicitud de API, y transforma respuestas preparadas en audio hablado con una voz seleccionada.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Eleven Turbo v2.5 es el modelo multilingüe de conversión de texto a voz de ElevenLabs para habla interactiva. Recibe el texto de una intervención preparada y produce audio con una voz seleccionada. El fabricante lo orienta a aplicaciones de baja latencia e interfaces conversacionales. A diferencia de Turbo v2, que solo admite inglés, esta edición admite un guion multilingüe; el modelo no crea la respuesta de la aplicación ni transcribe una grabación entrante del usuario.
Su conjunto de 32 idiomas contiene los 29 de Multilingual v2 más húngaro, noruego y vietnamita. Los idiomas documentados incluyen inglés, japonés, chino, alemán, hindi, francés, coreano, portugués, italiano, español, indonesio, neerlandés, turco, filipino, polaco, sueco, búlgaro, rumano, árabe, checo, griego, finés, croata, malayo, eslovaco, danés, tamil, ucraniano y ruso. Prepara una formulación natural para el idioma de destino y elige una voz con el acento que necesita el público.
Las preguntas frecuentes completas del producto TTS del productor indican explícitamente un límite de entrada de API de 40,000 caracteres para Turbo v2.5. La duración aproximada de grabación asociada no es una duración exacta: la voz, el idioma y la velocidad de habla determinan la duración de la toma real. Para una respuesta conversacional, proporciona una idea breve y completa en vez de llenar toda la entrada disponible. Para contenido más largo, divide el guion en secciones relacionadas y conserva el contexto circundante.
ElevenLabs describe Turbo v2.5 y Flash v2.5 como modelos del productor funcionalmente equivalentes, con menor latencia media para Flash. Mantienen nombres y fichas separados; la comparación no establece los pesos ni el tiempo de respuesta de una implementación concreta en ejecución. Turbo v2.5 sigue siendo un perfil multilingüe de síntesis útil e identificado por su nombre cuando una tarea o aplicación registra esa edición exacta. La preparación de la voz y del texto debe conservarse junto al resultado elegido al comparar interpretaciones.
La preparación de la pronunciación importa especialmente para nombres, códigos de referencia, fechas y términos abreviados. Escribe los dígitos individualmente cuando el público deba repetir un identificador y desarrolla una expresión cuando su significado oral resulte ambiguo de otro modo. Utiliza una grafía alternativa o un alias de pronunciación coherente para un nombre difícil recurrente. La guía de diccionarios no enumera Turbo v2.5 entre los modelos que utilizan reglas de fonemas, de modo que las funciones IPA nativas o de fonemas de otras ediciones identificadas no se trasladan a este perfil.
El tono y el ritmo proceden del texto, la puntuación, la voz y las opciones de voz del productor. La guía compartida del producto describe estabilidad para la coherencia, similitud para el parecido y opciones de velocidad de 0.7 a 1.2, con 1.0 sin cambios. El idioma y la cadencia originales de la voz pueden afectar al resultado multilingüe. Una indicación emocional escrita como narración normal puede pronunciarse también, mientras que el control mediante etiquetas de audio de v3 y v4 es una función de otros modelos. Prepara una respuesta hablada limpia y deja claro el ánimo previsto mediante las palabras.
El flujo compartido TTS documenta la generación completa de voz y el audio en streaming. Su familia de formatos incluye MP3, PCM de 16 bits sin comprimir, μ-law y A-law para telefonía, y Opus. Elige un formato adecuado para el destino de reproducción y conserva el guion junto al audio seleccionado. El streaming se refiere a cómo se entrega la voz generada; es independiente de escuchar a un usuario, detectar un turno o decidir qué acción debe realizar un asistente.
Para una respuesta práctica de asistente multilingüe, confirma un resultado e indica un siguiente paso. Una instrucción de tutorial puede nombrar el control que debe usar el usuario y explicar qué sucede después de seleccionarlo. Adapta esa formulación a cada idioma, conservando los nombres y la acción real en vez de traducir mecánicamente una frase poco natural. Revisa una intervención característica para comprobar la pronunciación, el acento, la inteligibilidad y cómo sigue al turno anterior. El resultado reutilizable es la toma de voz vinculada al guion exacto, a la voz y a la edición Turbo v2.5.
POST /v1/audio/speechtextaudio| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites elevenlabs/eleven-turbo-v2.5 | Predeterminado— |
Campoinput | Tipostring | RequisitoObligatorio | Valores y límites Longitud mínima: 1 Longitud máxima: 40,000 Unidad: caracteres Unicode | Predeterminado— |
Campovoice | Tipostring | RequisitoObligatorio | Valores y límites george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will | Predeterminado— |
Camporesponse_format | Tipostring | RequisitoObligatorio | Valores y límites mp3 | Predeterminado— |
text_to_speech · Obligatorio: input
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, input, voice, response_format |
Parámetrovoice_ids | Contratogeorge, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will |
Parámetroresponse_format | Contratomp3 |
Parámetromax_input_characters | Contrato40000 |
Parámetroother_options | Contratofalse |
Parámetroinput | Contratotexto UTF-8 exacto; conteo de caracteres Unicode sin normalización |
Parámetromaterial_types | Contratotext |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · El task_id real devuelto o el registro de la biblioteca multimedia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Selecciona una voz exacta de este perfil de modelo.
Los caracteres de entrada y los segundos de audio se miden por separado.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Unidad de facturación | Cargo |
|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Unidad de facturación— | Cargo Entrada · Tokens de entrada — / 1K tokens Salida · Tokens de salida — / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| Configuracióncarácter de entrada | Tabla de tarifas— | Unidad de facturaciónpor carácter de entrada | Cargo Entrada · carácter de entrada $0.00008 por carácter de entrada |
Las tablas de referencia del modelo no cambian la selección del método, las cotizaciones ni los cargos. Los cargos aplicados usan las tarifas del método Ailoot seleccionado.
| Configuración | Condiciones de facturación | Cargo |
|---|---|---|
| ConfiguraciónElevenLabs: Eleven Turbo v2.5 · Configuración predeterminada | Condiciones de facturaciónConfiguración predeterminada | Cargo Entrada · Caracteres de entrada USD 0.00004 por carácter de entrada |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"\nexport AILOOT_VOICE_ID\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "elevenlabs/eleven-turbo-v2.5", "input": "Good afternoon! This is a short voice take."}')\nvoice=os.environ["AILOOT_VOICE_ID"]\nallowed=json.loads('["george", "sarah", "adam", "alice", "bella", "bill", "brian", "callum", "charlie", "chris", "daniel", "eric", "harry", "jessica", "laura", "liam", "lily", "matilda", "river", "roger", "will"]')\nif voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")\np["voice"]=voice\np["response_format"]="mp3"\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o speech.mp3\nmp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"\nexport AILOOT_MEDIA_TASK_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("media-task.json").read_text())))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"\nexport AILOOT_ASSET_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("media-asset.json").read_text())))\nPY_RESULT\nConserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva el resultado binario completo y los encabezados. Si se devuelve JSON o varias salidas, conserva cada elemento de data y descarga cada recurso desde su URL firmada real.
Conserva el operation_id/X-Client-Request-ID original para la conciliación sin volver a enviar la solicitud; no hay una ruta específica para consultar el estado del audio.
| Campo | Tipo |
|---|---|
Campobinary audio | Tipobytes |
Camporesponse headers | Tipoheaders |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Respuestaserver_error | CondiciónLa respuesta devuelta indica que la operación o el resultado requiere una revisión | Siguiente pasoConserva el ID original de operación o tarea devuelto, los encabezados de la solicitud y la respuesta; continúa con las consultas admitidas de esa operación original. No vuelvas a enviar la solicitud de creación. |
Ailoot Ultra elevenlabs/eleven-turbo-v2.5
Usa las rutas de método indicadas arriba.