ElevenLabs: Eleven Flash v2

Eleven Flash v2 adalah model sintesis ucapan ElevenLabs yang khusus berbahasa Inggris untuk aplikasi suara yang responsif. Model ini menerima ujaran tertulis dan menghasilkan audio ucapan dengan suara pilihan. Produsen memosisikan Flash untuk percakapan waktu nyata dan pengalaman interaktif, seperti konfirmasi asisten, instruksi lisan, dan respons permainan. Edisi bernama ini terpisah dari Flash v2.5 yang multibahasa serta keluarga v3 dan v4 yang ekspresif.

Bahasa Inggris merupakan profil bahasa Flash v2. Suara dapat memberikan aksen regional dan nada tertentu, tetapi tidak menjadikan edisi ini model multibahasa. Pilih suara yang sesuai dengan pendengar sasaran dan tujuan kalimat. Konfirmasi asisten, narator instruksional, dan karakter interaktif dapat memerlukan irama berbeda meskipun isi faktualnya sama. Siapkan kata-kata bahasa Inggris sebenarnya yang harus diucapkan sebelum sintesis.

Satu permintaan mendukung hingga 30.000 karakter. Perkiraan panjang audio produsen yang menyertai batas ini bukan durasi tetap. Untuk balasan interaktif, pertahankan satu gagasan utama dan penutup yang jelas; untuk rekaman lebih panjang, bagi teks terkait pada batas kalimat atau bagian. Alur kerja TTS bersama mendokumentasikan teks yang berdekatan atau konteks permintaan untuk mempertahankan prosodi antarhasil generasi yang terhubung, sehingga pembagian tidak perlu menghilangkan hubungan antarpetikan berurutan.

Alur kerja jeda Flash v2 menggunakan tag break SSML. Panduan produk memberikan <break time="1.5s" /> sebagai cara meminta jeda alami, dengan durasi hingga tiga detik yang didokumentasikan. Suara memengaruhi penyampaian di sekitar jeda, dan tag berlebihan dapat menyebabkan perubahan kecepatan, derau, atau artefak. Gunakan jeda ketika pendengar memerlukan peralihan, bukan di antara setiap kata. Tanda baca dan elipsis juga dapat memengaruhi waktu, tetapi kurang konsisten dan dapat menambahkan nada ragu-ragu.

Setiap kata dapat menggunakan notasi fonem SSML dalam IPA atau CMU Arpabet. Produsen menyarankan CMU Arpabet untuk pelafalan v2 yang lebih dapat diprediksi dan menyatakan bahwa aturan fonem harus diterapkan secara terpisah pada setiap kata dalam nama yang terdiri atas beberapa kata. Kamus pelafalan dapat menyimpan fonem pilihan atau alias untuk istilah berulang; pencocokannya peka terhadap huruf besar dan kecil. Ini berbeda dari sintaks IPA bawaan v4 yang diapit garis miring serta profil pelafalan Flash v2.5.

Siapkan kode referensi, tanggal, dan singkatan dalam bentuk lisan yang diinginkan. Digit yang sama dapat mewakili kuantitas atau pengenal, sehingga tentukan apakah pendengar harus mendengar angka utuh atau digit terpisah. Tulis bulan dan tanggal secara tidak ambigu serta tulis kepanjangan singkatan yang harus diucapkan sebagai kata-kata. Arahan penjelas biasa yang ditempatkan dalam teks dapat ikut dibacakan; tag audio ekspresif v3 dan v4 bukan profil kendali yang dijelaskan untuk edisi ini.

Keluarga format produsen mencakup MP3, PCM 16 bit tanpa kompresi, μ-law dan A-law untuk telepon, serta Opus. Alur kerja bersama dapat memberikan rekaman lengkap atau mengembalikan ucapan secara bertahap. Setelan suara memengaruhi kestabilan, kemiripan, dan tempo, dengan rentang speed yang didokumentasikan sebesar 0.7 hingga 1.2 dan 1.0 mempertahankan kecepatan. Setelan ini mengarahkan penyampaian tanpa menjamin pengambilan suara yang identik atau panjang rekaman akhir yang tepat.

Untuk pesan bantuan praktis berbahasa Inggris, berikan hasil terlebih dahulu, lalu satu langkah berikutnya: konfirmasikan pilihan yang disimpan, ucapkan nama kolom terkait dengan jelas, dan jelaskan tindakan pengguna selanjutnya. Untuk tutorial, tulis instruksi lengkap dan gunakan jeda sebelum tindakan berikutnya. Tinjau nama yang sulit, angka, dan peralihan dalam audio pilihan. Simpan pengambilan suara tersebut bersama naskah dan persiapan pelafalannya agar dapat menjadi petunjuk lisan, notifikasi, atau respons asisten yang dapat digunakan kembali.