ElevenLabs: Eleven v4

Eleven v4 muuntaa käsikirjoitukset ilmaisulliseksi puheeksi kontekstuaalisella esitystavalla, tekstin sisäisillä ääniohjeilla ja äänitapahtumilla. ElevenLabs suunnittelee sen tuotettuun kerrontaan, hahmojen vuoropuheluun ja monikieliseen ääneen. Raja on 10 000 merkkiä generointia kohden.

Ailoot Ultra · Puhesynteesi POST /v1/audio/speech elevenlabs/eleven-v4

Tietoa mallista

Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.

Eleven v4 on ElevenLabsin ilmeikäs tekstistä puheeksi -malli tuotettuun sisältöön, kerrontaan ja henkilöhahmojen esittämiseen. Sen uusi arkkitehtuuri käyttää käsikirjoituksen kontekstia määrittämään, kuka puhuu, mitä on tapahtunut ja miltä seuraavan repliikin tulisi kuulostaa. Syötteenä on valittuun ääneen liitetty kirjallinen käsikirjoitus, ja tuloksena ääni. Valmistaja nostaa tyypillisiksi käyttökohteiksi tunteikkaan vuoropuhelun, äänikirjojen tuotannon, animaation ja pelit sekä monikieliset projektit.

Ohjausta voi kirjoittaa käsikirjoitukseen tekstin sisäisillä äänitageilla. Tagit kuten [laughs], [whispers] ja [door slams] voivat kuvata puhetapaa, sanatonta tapahtumaa tai kohtaukseen kuuluvaa ääntä. V4:n dokumentoitu päivitys parantaa tällaisten ohjeiden sarjan noudattamista v3:een verrattuna. Kirjoita lyhyeen dramaattiseen hetkeen varsinaiset puhutut sanat ja sijoita esitysohje juuri siihen kohtaan, jossa sillä on merkitystä. Älä lisää loppuun irrallista tunneluetteloa.

Taukoja ja painotusta ohjataan luonnollisen kielen ääniohjeilla. ElevenLabs dokumentoi taukoihin [pause]- ja [long pause] -tagit sekä esitystapaan ohjeita kuten [excited] ja [sighs]. SSML:n <break>-tagit ovat poissa käytöstä v4:ssä, joten niitä käyttävä vanha käsikirjoitus tulee mukauttaa v4:n ohjausmuotoon. Tagi nimeää halutun esitystavan. Se ei itsessään määritä tarkkaa millisekuntimäärää tai takaa kiinteää lopullista kestoa.

Valmistajan vuoropuhelutyönkulku tukee useita puhujia, joten kohtauksessa voi olla erillisiä ääniä ja äänitapahtumia. Sen v4-vuoropuhelun WebSocket-profiili tukee enintään kymmentä rekisteröityä ääntä, kun taas v4 Turbon profiili käyttää yhtä. Valmistele selkeä puheenvuorojärjestys ja liitä jokainen repliikki tarkoitettuun ääneen. Esimerkkikeskustelu voi edetä hiljaisesta, epävarmasta kysymyksestä varmaan vastaukseen ja sitten helpottuneeseen reaktioon. Sisällön ja tunnesiirtymän tulee olla ymmärrettäviä itse käsikirjoituksesta. Käytä yhden kertojan tapauksessa samaa selkeyttä erottaaksesi kerronnan lainatusta repliikistä tai tunnelman muutoksesta.

Eleven v4 tukee yli 90 kieltä, mukaan lukien englanti, ranska, saksa, japani, espanja, portugali ja venäjä. Valmistaja kuvaa äänenlaadun pysyvän johdonmukaisena kieltä vaihdettaessa. Valitse ääni ja ääntäminen, jotka sopivat tarkoitetun tallenteen kieleen ja alueeseen. Sekä käsikirjoituksen kieli että äänen luonne ovat merkityksellisiä. Käännä paikallistettua oppituntia varten ensin puhutut sanat ja säilytä merkitys, termistö ja esitysohjeet uudessa käsikirjoituksessa.

Yksi luonti tukee enintään 10,000 merkkiä. Pidempi työ valmistellaan useana toisiinsa liittyvänä luontina. Kontekstin yhdistämisellä pyritään pitämään rytmi ja esitystapa johdonmukaisina jaksojen välillä. Jaa luku luonnollisesta virkkeen tai kohtauksen rajasta ja säilytä ympäröivä konteksti. Valmistaja kuvaa myös puhujan identiteetin säilyvän vakaana, kun repliikki luodaan uudelleen. Tämä auttaa yhden kohdan muokkaamisessa niin, että samat puhujat ja esitystyyli säilyvät ympäröivässä aineistossa.

V4 tukee Instant- ja Professional Voice Clones -ääniä ElevenLabsin valmistajatyönkulussa. ElevenLabs korostaa niiden paluuta v4:ssä; sen v3-kehoteohjeen mukaan Professional Voice Clones -ääniä ei ole täysin optimoitu v3:lle. Ennen v4:n julkaisua luodut Instant- tai Professional Voice Clones -äänet on koulutettava uudelleen v4:ää varten, jotta ne toimivat mallin kanssa tehokkaasti. Äänen kloonaus luo tai valmistelee synteesissä käytettävän äänen. Se on erillinen vaihe annetun käsikirjoituksen muuntamisesta puheeksi. Mallin identiteetti ei vaadi yhtä oletusääntä, joten valitse ääni kertojalle tai hahmolle sen sijaan, että olettaisit mallin nimen määräävän puhujan.

Valmistaja dokumentoi MP3:n yleiseen kuunteluun ja median jakeluun, WAV:n tai PCM:n pakkaamattomaan tuotantoääneen ja μ-law'n puhelinliikenteeseen. Sen API ohjaa valitun muodon näytteenottotaajuutta ja bittinopeutta. Ääntämissanakirjat voivat määrittää nimien, lyhenteiden ja teknisten termien ääntämisen. V4 tunnistaa myös vinoviivojen sisällä olevat vakiomuotoiset IPA-transkriptiot, kuten /IPA_transcription/, mukaan lukien monitavuisten termien painomerkit. Ääntäminen voi silti vaihdella äänen ja ilmauksen mukaan. Valmistele tarvittavat termit ennen tuotantoa ja pidä niiden halutut puhemuodot johdonmukaisina muokkausten läpi. V4:n valmistajaprofiili käyttää ääniasetuksia Stability ja Similarity; Style- ja Speed-liukusäätimiä ei ole saatavilla. Rytmiä ja tunneilmaisua ohjataan käsikirjoituksella ja äänitageilla.

Anna käytännön kerrontaohjeeseen valmis kohtaus, haluttu ääni, kieli, tunnekaari ja äänen käyttökohde. Esimerkiksi: ”Lue alku rauhallisesti, pidä tauko ennen löytöä ja anna viimeisen repliikin kuulostaa helpottuneelta; säilytä kertojan sävy johdonmukaisena.” Tarkista ääntäminen, puhujavaihdokset, kuuluvat tagit tai tapahtumat sekä kohtien väliset siirtymät. Hyödyllinen toimitettava tuotos on käsikirjoitukseen sidottu valmis puhetallenne, valittu otto ja tietyn repliikin muokkaamiseen tarvittavat ohjeet.

Ailoot Ultra · Puhesynteesi POST /v1/audio/speech elevenlabs/eleven-v4

elevenlabs/eleven-v4

ElevenLabs /elevenlabs/eleven-v4

Aloitus

Hyväksytyt syötteet: Teksti
Tulokset: Ääni

Saatavilla Ailootissa · syötteet & menetelmät

Ailoot Ultra · Puhesynteesi POST /v1/audio/speech

Syötetyypit: text
Tulostyypit: audio
Tulosteen muoto: mp3

Kenttä	Tyyppi	Vaatimus	Arvot & rajat	Oletus
Kenttä`model`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat elevenlabs/eleven-v4	Oletus—
Kenttä`input`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat Vähimmäispituus: 1 Enimmäispituus: 10 000 Yksikkö: Unicode-merkit	Oletus—
Kenttä`voice`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will	Oletus—
Kenttä`response_format`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat mp3	Oletus—

Syöteaineistojen yhdistelmät

text_to_speech · Pakollinen: input

Menetelmän parametrit ja elinkaari

Parametri	Sopimus
Parametri`content_type`	Sopimusapplication/json
Parametri`required`	Sopimusmodel, input, voice, response_format
Parametri`voice_ids`	Sopimusgeorge, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will
Parametri`response_format`	Sopimusmp3
Parametri`max_input_characters`	Sopimus10000
Parametri`other_options`	Sopimusfalse
Parametri`input`	Sopimustäsmällinen UTF-8-teksti; Unicode-merkkien määrä ilman normalisointia
Parametri`material_types`	Sopimustext

Elinkaari: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · todellisuudessa palautettu task_id tai mediakirjaston tietue

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Valitse juuri tämän malliprofiilin ääni.

Syötemerkit ja äänisekunnit ovat eri mittareita.

Hinnoittelu

Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.

Nopea tila: Ei määritetty Kun nopea tila on valittu
Flex-tila: Ei määritetty Kun flex-tila on valittu
Päättelyn enimmäisteho: Ei määritetty Kun päättelyn enimmäistehoon sovelletaan default-oletussäätöä

Ailoot-hinnat

Hinnat asetusten mukaan

Kohdista kukin veloitus näytettyihin ehtoihin. Käytä yhtä hintaa kutakin vaihtoehtoisten asetusten ryhmää kohden.

Asetukset	Hinnasto	Laskutusyksikkö	Veloitus
AsetuksetTokenien perushinnat	HinnastoPerushinta	Laskutusyksikkö—	Veloitus Syöte · Syötetokenit — / 1K tokenia Tuloste · Tulostokenit — / 1K tokenia Syöte · Välimuistin luku — / 1K tokenia Syöte · Välimuistiin kirjoitus — / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia
Asetuksetsyötemerkki	Hinnasto—	Laskutusyksikkösyötemerkkiä kohden	Veloitus Syöte · syötemerkki $0.00016 syötemerkkiä kohden

Viitehinnaston tiedot

Mallitason viitehinnastot eivät muuta menetelmän valintaa, hinta-arvioita tai veloituksia. Käytössä olevat veloitukset käyttävät valitun Ailoot-menetelmän hintoja.

ElevenLabs: Eleven v4

Hinnat asetusten mukaan

Asetukset	Laskutusehdot	Veloitus
AsetuksetElevenLabs: Eleven v4 · Oletusasetukset	LaskutusehdotOletuskokoonpano	Veloitus Syöte · Syötteen merkit 0,00008 $ syötemerkkiä kohden

Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →

Esimerkkipyynnöt

Ailoot Ultra · Puhesynteesi

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-v4", "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

Vastaanota ja tallenna tulokset

Ailoot Ultra · Puhesynteesi

mp3

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

Muut sisällön lukukerrat

MediakirjastoTehtävän tilaAineiston tiedot

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

Säilytä kaikki valmistuneet tulokset

Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.

Säilytä koko binääritulos ja otsakkeet. Jos palautetaan JSON tai useita tulosteita, säilytä jokainen data-alkio ja nouda jokainen resurssi sen todellisesta allekirjoitetusta URL-osoitteesta.

Jos alkuperäinen vastaus on tarkistettava

Säilytä alkuperäinen operation_id/X-Client-Request-ID täsmäytystä varten lähettämättä pyyntöä uudelleen; erillistä äänen tilakyselyreittiä ei ole.

Vastauksen kentät

Kenttä	Tyyppi
Kenttä`binary audio`	Tyyppibytes
Kenttä`response headers`	Tyyppiheaders

Virheet ja seuraavat vaiheet

Vastaus	Ehto	Seuraava vaihe
Vastaus400 · `invalid_request_error`	EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo	Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä.
Vastaus`server_error`	EhtoPalautettu vastaus ilmoittaa, että operaatio tai tulos edellyttää tarkistusta	Seuraava vaiheSäilytä alkuperäinen palautettu operaation tai tehtävän ID, pyynnön otsakkeet ja vastaus; jatka kyseisen alkuperäisen operaation tuettuja lukutoimintoja. Älä lähetä luontipyyntöä uudelleen.

Aliakset

Mallin aliakset

Ailoot Ultra elevenlabs/eleven-v4

Menetelmäpolkujen aliakset

Käytä yllä näytettyjä menetelmäpolkuja.

Liittyvät kutsujan ID:t

elevenlabs/eleven-v4

FAQ · ElevenLabs: Eleven v4

Mitä syötteitä ja tuloksia on saatavilla?: POST /v1/audio/speech · elevenlabs/eleven-v4: text → audio
Mitä kenttiä pyyntö käyttää?: POST /v1/audio/speech · elevenlabs/eleven-v4: model, input, voice, response_format
Mitä rajoja sovelletaan?: POST /v1/audio/speech · elevenlabs/eleven-v4: input.maximum_length: 10000

ElevenLabs: Eleven v4