Eleven Flash v2.5 est le modèle multilingue de synthèse vocale d’ElevenLabs conçu pour les applications en temps réel et interactives. Il transforme une réponse textuelle fournie en audio parlé et équilibre un profil de réponse rapide avec une interprétation naturelle et des caractéristiques vocales cohérentes. Le fabricant cite les agents vocaux, les chatbots, les jeux et les applications nécessitant un retour immédiat, ainsi que la conversion de texte en parole à plus grande échelle, comme des usages caractéristiques.
Le modèle prend en charge 32 langues : l’ensemble de 29 langues de Multilingual v2, auquel s’ajoutent le hongrois, le norvégien et le vietnamien. L’ensemble documenté comprend l’anglais, le japonais, le chinois, l’allemand, l’hindi, le français, le coréen, le portugais, l’italien, l’espagnol, l’indonésien, le néerlandais, le turc, le filipino, le polonais, le suédois, le bulgare, le roumain, l’arabe, le tchèque, le grec, le finnois, le croate, le malais, le slovaque, le danois, le tamoul, l’ukrainien et le russe. Cela diffère de Flash v2 exclusivement anglophone. Choisissez la langue du script et une voix régionale correspondante, plutôt que de supposer que l’accent d’une voix anglaise convient à toute localisation.
Une requête prend en charge jusqu’à 40 000 caractères. Le producteur donne des durées audio approximatives avec son tableau de caractères, mais une limite de caractères n’est pas une longueur fixe d’enregistrement. Le débit de parole, la langue, la ponctuation et l’interprétation vocale modifient la durée. Pour une réponse en direct, utilisez des phrases complètes beaucoup plus courtes ; pour un enregistrement plus long, divisez le script en sections porteuses de sens et conservez le contexte autour des limites. Un plafond élevé de caractères est utile pour la préparation des sources sans rendre une longue réponse ininterrompue facile à écouter.
La normalisation des nombres est une différence substantielle de ce modèle. La section exacte Flash v2.5 indique qu’elle est désactivée par défaut dans son profil à faible latence et que les numéros de téléphone, les dates ou les notations monétaires peuvent être lus de manière inattendue. Préparez la forme parlée souhaitée avant la synthèse. Déterminez si un nombre est une quantité, un code de référence ou des chiffres à répéter individuellement. Pour une date, écrivez le mois et le jour tels que le public doit les entendre ; pour une abréviation, fournissez la forme développée lorsqu’elle doit être prononcée comme des mots.
La prononciation peut être guidée par une graphie réécrite ou des alias de dictionnaire. Le guide des dictionnaires du fabricant réserve les règles de phonèmes aux modèles nommés v4, v3 et Flash v2 et recommande les alias pour les autres éditions ; Flash v2.5 ne doit donc pas hériter de la prise en charge des balises de phonèmes de Flash v2. Gardez une prononciation souhaitée pour les noms et les termes récurrents et vérifiez-la avec la voix choisie. Si des indications émotionnelles rédigées sont incluses comme instructions dans du texte ordinaire, elles peuvent elles-mêmes être prononcées ; préparez un script définitif propre pour l’enregistrement souhaité.
Le processus commun de TTS prend en charge l’audio en streaming et la génération vocale complète. Sa famille de formats comprend MP3, le PCM non compressé de 16 bits, μ-law et A-law pour la téléphonie, et Opus. Choisissez le format selon la destination de lecture et gardez le texte généré disponible avec l’audio. Les commandes vocales d’ElevenLabs peuvent influer sur la cohérence et la vitesse, tandis que la formulation et la ponctuation du script apportent une grande partie du rythme souhaité. Ce sont des options du processus du producteur, distinctes d’une exposition supposée de toutes les commandes dans une application particulière. Le guide du produit prend explicitement en charge les pauses SSML pour Flash v2.5, par exemple <break time="1.5s" />, avec des pauses jusqu’à trois secondes. Des balises break excessives peuvent influer sur la vitesse ou introduire des artefacts. Sa commande commune de vitesse va de 0.7 à 1.2, avec 1.0 pour une vitesse inchangée.
Pour un assistant, préparez un résultat clair et une étape suivante dans une phrase conversationnelle. Une phrase concrète peut confirmer qu’une action est terminée, puis expliquer le seul champ encore nécessaire. Pour un jeu ou un tutoriel, gardez l’instruction assez courte pour être comprise pendant l’activité de l’utilisateur. Dans un projet multilingue, adaptez la formulation réelle, plutôt que de remplacer seulement le vocabulaire, et préservez le sens des noms, des actions et des conditions.
Vérifiez un passage représentatif contenant la partie difficile du script : un nom, un identifiant, une date ou une explication plus longue. Contrôlez l’intelligibilité, l’accent, le rythme et la prononciation des nombres de la manière souhaitée. La synthèse est non déterministe dans la documentation du producteur ; la prise exacte peut donc varier même avec des entrées similaires. Conservez l’audio choisi et sa préparation textuelle parlée comme artefact réutilisable pour une notification, une réponse d’aide, un personnage interactif ou une explication enregistrée.
", "aboutText": "Eleven Flash v2.5 est le modèle multilingue de synthèse vocale d’ElevenLabs conçu pour les applications en temps réel et interactives. Il transforme une réponse textuelle fournie en audio parlé et équilibre un profil de réponse rapide avec une interprétation naturelle et des caractéristiques vocales cohérentes. Le fabricant cite les agents vocaux, les chatbots, les jeux et les applications nécessitant un retour immédiat, ainsi que la conversion de texte en parole à plus grande échelle, comme des usages caractéristiques.\n\nLe modèle prend en charge 32 langues : l’ensemble de 29 langues de Multilingual v2, auquel s’ajoutent le hongrois, le norvégien et le vietnamien. L’ensemble documenté comprend l’anglais, le japonais, le chinois, l’allemand, l’hindi, le français, le coréen, le portugais, l’italien, l’espagnol, l’indonésien, le néerlandais, le turc, le filipino, le polonais, le suédois, le bulgare, le roumain, l’arabe, le tchèque, le grec, le finnois, le croate, le malais, le slovaque, le danois, le tamoul, l’ukrainien et le russe. Cela diffère de Flash v2 exclusivement anglophone. Choisissez la langue du script et une voix régionale correspondante, plutôt que de supposer que l’accent d’une voix anglaise convient à toute localisation.\n\nUne requête prend en charge jusqu’à 40 000 caractères. Le producteur donne des durées audio approximatives avec son tableau de caractères, mais une limite de caractères n’est pas une longueur fixe d’enregistrement. Le débit de parole, la langue, la ponctuation et l’interprétation vocale modifient la durée. Pour une réponse en direct, utilisez des phrases complètes beaucoup plus courtes ; pour un enregistrement plus long, divisez le script en sections porteuses de sens et conservez le contexte autour des limites. Un plafond élevé de caractères est utile pour la préparation des sources sans rendre une longue réponse ininterrompue facile à écouter.\n\nLa normalisation des nombres est une différence substantielle de ce modèle. La section exacte Flash v2.5 indique qu’elle est désactivée par défaut dans son profil à faible latence et que les numéros de téléphone, les dates ou les notations monétaires peuvent être lus de manière inattendue. Préparez la forme parlée souhaitée avant la synthèse. Déterminez si un nombre est une quantité, un code de référence ou des chiffres à répéter individuellement. Pour une date, écrivez le mois et le jour tels que le public doit les entendre ; pour une abréviation, fournissez la forme développée lorsqu’elle doit être prononcée comme des mots.\n\nLa prononciation peut être guidée par une graphie réécrite ou des alias de dictionnaire. Le guide des dictionnaires du fabricant réserve les règles de phonèmes aux modèles nommés v4, v3 et Flash v2 et recommande les alias pour les autres éditions ; Flash v2.5 ne doit donc pas hériter de la prise en charge des balises de phonèmes de Flash v2. Gardez une prononciation souhaitée pour les noms et les termes récurrents et vérifiez-la avec la voix choisie. Si des indications émotionnelles rédigées sont incluses comme instructions dans du texte ordinaire, elles peuvent elles-mêmes être prononcées ; préparez un script définitif propre pour l’enregistrement souhaité.\n\nLe processus commun de TTS prend en charge l’audio en streaming et la génération vocale complète. Sa famille de formats comprend MP3, le PCM non compressé de 16 bits, μ-law et A-law pour la téléphonie, et Opus. Choisissez le format selon la destination de lecture et gardez le texte généré disponible avec l’audio. Les commandes vocales d’ElevenLabs peuvent influer sur la cohérence et la vitesse, tandis que la formulation et la ponctuation du script apportent une grande partie du rythme souhaité. Ce sont des options du processus du producteur, distinctes d’une exposition supposée de toutes les commandes dans une application particulière. Le guide du produit prend explicitement en charge les pauses SSML pour Flash v2.5, par exempleelevenlabs/eleven-flash-v2.5Eleven Flash v2.5 convertit le texte en parole pour les réponses interactives multilingues et les applications vocales. Il prend en charge 32 langues et jusqu’à 40 000 caractères par requête, avec un profil de réponse rapide qui bénéficie de la préparation des nombres et des noms sous leur forme parlée.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Eleven Flash v2.5 est le modèle multilingue de synthèse vocale d’ElevenLabs conçu pour les applications en temps réel et interactives. Il transforme une réponse textuelle fournie en audio parlé et équilibre un profil de réponse rapide avec une interprétation naturelle et des caractéristiques vocales cohérentes. Le fabricant cite les agents vocaux, les chatbots, les jeux et les applications nécessitant un retour immédiat, ainsi que la conversion de texte en parole à plus grande échelle, comme des usages caractéristiques.
Le modèle prend en charge 32 langues : l’ensemble de 29 langues de Multilingual v2, auquel s’ajoutent le hongrois, le norvégien et le vietnamien. L’ensemble documenté comprend l’anglais, le japonais, le chinois, l’allemand, l’hindi, le français, le coréen, le portugais, l’italien, l’espagnol, l’indonésien, le néerlandais, le turc, le filipino, le polonais, le suédois, le bulgare, le roumain, l’arabe, le tchèque, le grec, le finnois, le croate, le malais, le slovaque, le danois, le tamoul, l’ukrainien et le russe. Cela diffère de Flash v2 exclusivement anglophone. Choisissez la langue du script et une voix régionale correspondante, plutôt que de supposer que l’accent d’une voix anglaise convient à toute localisation.
Une requête prend en charge jusqu’à 40 000 caractères. Le producteur donne des durées audio approximatives avec son tableau de caractères, mais une limite de caractères n’est pas une longueur fixe d’enregistrement. Le débit de parole, la langue, la ponctuation et l’interprétation vocale modifient la durée. Pour une réponse en direct, utilisez des phrases complètes beaucoup plus courtes ; pour un enregistrement plus long, divisez le script en sections porteuses de sens et conservez le contexte autour des limites. Un plafond élevé de caractères est utile pour la préparation des sources sans rendre une longue réponse ininterrompue facile à écouter.
La normalisation des nombres est une différence substantielle de ce modèle. La section exacte Flash v2.5 indique qu’elle est désactivée par défaut dans son profil à faible latence et que les numéros de téléphone, les dates ou les notations monétaires peuvent être lus de manière inattendue. Préparez la forme parlée souhaitée avant la synthèse. Déterminez si un nombre est une quantité, un code de référence ou des chiffres à répéter individuellement. Pour une date, écrivez le mois et le jour tels que le public doit les entendre ; pour une abréviation, fournissez la forme développée lorsqu’elle doit être prononcée comme des mots.
La prononciation peut être guidée par une graphie réécrite ou des alias de dictionnaire. Le guide des dictionnaires du fabricant réserve les règles de phonèmes aux modèles nommés v4, v3 et Flash v2 et recommande les alias pour les autres éditions ; Flash v2.5 ne doit donc pas hériter de la prise en charge des balises de phonèmes de Flash v2. Gardez une prononciation souhaitée pour les noms et les termes récurrents et vérifiez-la avec la voix choisie. Si des indications émotionnelles rédigées sont incluses comme instructions dans du texte ordinaire, elles peuvent elles-mêmes être prononcées ; préparez un script définitif propre pour l’enregistrement souhaité.
Le processus commun de TTS prend en charge l’audio en streaming et la génération vocale complète. Sa famille de formats comprend MP3, le PCM non compressé de 16 bits, μ-law et A-law pour la téléphonie, et Opus. Choisissez le format selon la destination de lecture et gardez le texte généré disponible avec l’audio. Les commandes vocales d’ElevenLabs peuvent influer sur la cohérence et la vitesse, tandis que la formulation et la ponctuation du script apportent une grande partie du rythme souhaité. Ce sont des options du processus du producteur, distinctes d’une exposition supposée de toutes les commandes dans une application particulière. Le guide du produit prend explicitement en charge les pauses SSML pour Flash v2.5, par exemple <break time="1.5s" />, avec des pauses jusqu’à trois secondes. Des balises break excessives peuvent influer sur la vitesse ou introduire des artefacts. Sa commande commune de vitesse va de 0.7 à 1.2, avec 1.0 pour une vitesse inchangée.
Pour un assistant, préparez un résultat clair et une étape suivante dans une phrase conversationnelle. Une phrase concrète peut confirmer qu’une action est terminée, puis expliquer le seul champ encore nécessaire. Pour un jeu ou un tutoriel, gardez l’instruction assez courte pour être comprise pendant l’activité de l’utilisateur. Dans un projet multilingue, adaptez la formulation réelle, plutôt que de remplacer seulement le vocabulaire, et préservez le sens des noms, des actions et des conditions.
Vérifiez un passage représentatif contenant la partie difficile du script : un nom, un identifiant, une date ou une explication plus longue. Contrôlez l’intelligibilité, l’accent, le rythme et la prononciation des nombres de la manière souhaitée. La synthèse est non déterministe dans la documentation du producteur ; la prise exacte peut donc varier même avec des entrées similaires. Conservez l’audio choisi et sa préparation textuelle parlée comme artefact réutilisable pour une notification, une réponse d’aide, un personnage interactif ou une explication enregistrée.
POST /v1/audio/speechtextaudio| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites elevenlabs/eleven-flash-v2.5 | Par défaut— |
Champinput | Typestring | ExigenceObligatoire | Valeurs et limites Longueur minimale: 1 Longueur maximale: 40 000 Unité: caractères Unicode | Par défaut— |
Champvoice | Typestring | ExigenceObligatoire | Valeurs et limites george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will | Par défaut— |
Champresponse_format | Typestring | ExigenceObligatoire | Valeurs et limites mp3 | Par défaut— |
text_to_speech · Obligatoire : input
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, input, voice, response_format |
Paramètrevoice_ids | Contratgeorge, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will |
Paramètreresponse_format | Contratmp3 |
Paramètremax_input_characters | Contrat40000 |
Paramètreother_options | Contratfalse |
Paramètreinput | Contrattexte UTF-8 exact ; comptage des caractères Unicode sans normalisation |
Paramètrematerial_types | Contrattext |
Cycle de vie : synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id effectivement renvoyé ou enregistrement de la bibliothèque multimédia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Sélectionnez la voix exacte dans ce profil de modèle.
Les caractères d’entrée et les secondes audio relèvent de compteurs distincts.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Unité de facturation | Coût |
|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Unité de facturation— | Coût Entrée · Tokens en entrée — / 1K tokens Sortie · Tokens en sortie — / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| Configurationcaractère en entrée | Barème tarifaire— | Unité de facturationpar caractère en entrée | Coût Entrée · caractère en entrée $0.00008 par caractère en entrée |
Les barèmes de référence du modèle ne modifient ni la sélection de méthode, ni les devis, ni les coûts. Les frais actifs utilisent les tarifs de la méthode Ailoot sélectionnée.
| Configuration | Conditions de facturation | Coût |
|---|---|---|
| ConfigurationElevenLabs: Eleven Flash v2.5 · Configuration par défaut | Conditions de facturationConfiguration par défaut | Coût Entrée · Caractères en entrée 0,00004 USD par caractère en entrée |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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-flash-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\nConservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez le résultat binaire complet et les en-têtes. Si une réponse JSON ou plusieurs sorties sont renvoyées, conservez chaque élément de données et récupérez chaque ressource via son URL signée réelle.
Conservez l’operation_id/X-Client-Request-ID d’origine pour le rapprochement sans nouvelle soumission ; aucune route dédiée à l’interrogation du statut audio.
| Champ | Type |
|---|---|
Champbinary audio | Typebytes |
Champresponse headers | Typeheaders |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Réponseserver_error | ConditionLa réponse renvoyée indique que l’opération ou le résultat nécessite une vérification | Étape suivanteConservez l’identifiant d’opération/de tâche initialement renvoyé, les en-têtes de la requête et la réponse ; poursuivez les lectures prises en charge de cette opération d’origine. Ne soumettez pas à nouveau la requête de création. |
Ailoot Ultra elevenlabs/eleven-flash-v2.5
Utilisez les chemins de méthode indiqués ci-dessus.