ElevenLabs: Eleven Flash v2

Eleven Flash v2 est le modèle exclusivement anglophone de synthèse vocale d’ElevenLabs pour les applications vocales réactives. Il reçoit un énoncé écrit et produit de l’audio parlé dans la voix choisie. Le fabricant positionne Flash pour la conversation en temps réel et les expériences interactives, telles que les confirmations d’assistants, les instructions parlées et les réponses dans les jeux. Cette édition nommée est distincte de Flash v2.5 multilingue et des familles expressives v3 et v4.

L’anglais est le profil linguistique de Flash v2. Une voix peut apporter un accent régional et un ton particulier, mais elle ne transforme pas cette édition en modèle multilingue. Choisissez une voix correspondant à l’auditeur visé et à l’objectif de la phrase. Une confirmation d’assistant, un narrateur d’instructions et un personnage interactif peuvent nécessiter des cadences différentes, même lorsque le contenu factuel est identique. Préparez avant la synthèse les mots anglais réels qui doivent être prononcés.

Une requête prend en charge jusqu’à 30 000 caractères. La longueur audio approximative indiquée par le producteur avec cette limite n’est pas une durée fixe. Pour une réponse interactive, gardez une idée principale et une fin claire ; pour un enregistrement plus long, divisez les textes liés aux limites de phrases ou de sections. Le processus commun de TTS documente le texte voisin ou le contexte des requêtes pour préserver la prosodie entre les générations reliées ; la segmentation n’a donc pas à supprimer la relation entre les passages successifs.

Le processus de pauses de Flash v2 utilise des balises SSML break. Le guide du produit donne <break time="1.5s" /> comme moyen de demander une pause naturelle, avec jusqu’à trois secondes documentées. La voix influe sur l’interprétation autour de la pause, et des balises excessives peuvent provoquer des variations de vitesse, du bruit ou des artefacts. Utilisez une pause là où l’auditeur a besoin d’une transition, plutôt qu’entre chaque mot. La ponctuation et les points de suspension peuvent aussi influer sur le rythme de la parole, mais ils sont moins réguliers et peuvent ajouter un ton hésitant.

Les mots individuels peuvent utiliser une notation SSML de phonèmes en IPA ou CMU Arpabet. Le fabricant recommande CMU Arpabet pour une prononciation v2 plus prévisible et indique que les règles de phonèmes doivent être appliquées séparément à chaque mot d’un nom composé de plusieurs mots. Les dictionnaires de prononciation peuvent conserver le phonème souhaité ou un alias pour un terme récurrent ; leur correspondance est sensible à la casse. Cela diffère de la syntaxe IPA native de v4 encadrée de barres obliques et du profil de prononciation de Flash v2.5.

Préparez les codes de référence, les dates et les abréviations sous la forme parlée souhaitée. Les mêmes chiffres peuvent représenter une quantité ou un identifiant ; précisez donc si l’auditeur doit entendre un nombre entier ou des chiffres séparés. Écrivez le mois et la date sans ambiguïté et développez les abréviations qui doivent être prononcées comme des mots. Des indications explicatives ordinaires placées dans le texte peuvent elles-mêmes être lues à voix haute ; les balises audio expressives de v3 et v4 ne constituent pas le profil de commandes décrit pour cette édition.

La famille de formats du producteur comprend MP3, le PCM non compressé de 16 bits, μ-law et A-law pour la téléphonie, et Opus. Le processus commun peut fournir un enregistrement complet ou renvoyer la parole progressivement. Les réglages vocaux influent sur la stabilité, la ressemblance et le rythme, avec une plage de vitesse documentée de 0.7 à 1.2 et 1.0 pour une vitesse inchangée. Ces réglages guident une interprétation sans garantir une prise identique ou une longueur finale précise d’enregistrement.

Pour un message d’aide concret en anglais, donnez d’abord le résultat, puis une étape suivante : confirmez un choix enregistré, prononcez clairement le nom du champ pertinent et expliquez ce que l’utilisateur peut faire ensuite. Pour un tutoriel, rédigez une instruction complète et utilisez une pause avant l’action suivante. Vérifiez les noms difficiles, les nombres et les transitions dans l’audio choisi. Gardez cette prise avec son script et sa préparation de prononciation afin qu’elle puisse devenir un élément parlé réutilisable, une notification ou une réponse d’assistant.