Eleven Flash v2 è il modello di sintesi vocale esclusivamente inglese di ElevenLabs per applicazioni vocali reattive. Riceve un enunciato scritto e produce audio parlato nella voce selezionata. Il produttore propone Flash per conversazioni in tempo reale ed esperienze interattive, come conferme di assistenti, istruzioni parlate e risposte nei giochi. Questa edizione denominata è separata dal multilingue Flash v2.5 e dalle famiglie espressive v3 e v4.
L’inglese è il profilo linguistico di Flash v2. Una voce può fornire un accento regionale e un tono particolare, ma non rende questa edizione un modello multilingue. Scegli una voce adatta all’ascoltatore previsto e allo scopo della frase. Una conferma di assistente, un narratore di istruzioni e un personaggio interattivo possono richiedere cadenze diverse anche quando il contenuto fattuale è lo stesso. Prepara prima della sintesi le parole inglesi effettive da pronunciare.
Una richiesta supporta fino a 30.000 caratteri. La lunghezza audio approssimativa indicata dal produttore accanto a questo limite non è una durata fissa. Per una risposta interattiva, mantieni un pensiero principale e una conclusione chiara; per una registrazione più lunga, dividi testo correlato ai confini di frasi o sezioni. Il flusso TTS comune documenta testo vicino o contesto della richiesta per preservare la prosodia tra generazioni collegate, quindi la segmentazione non deve eliminare il rapporto tra passaggi successivi.
Il flusso di pause di Flash v2 usa tag SSML break. La guida del prodotto fornisce <break time="1.5s" /> come modo per richiedere una pausa naturale, con fino a tre secondi documentati. La voce influenza l’interpretazione attorno alla pausa e tag eccessivi possono causare cambi di velocità, rumore o artefatti. Usa una pausa dove l’ascoltatore ha bisogno di una transizione, non tra ogni parola. Punteggiatura e puntini di sospensione possono influire anche sul ritmo del parlato, ma sono meno coerenti e possono aggiungere un tono esitante.
Le singole parole possono usare notazione SSML di fonemi in IPA o CMU Arpabet. Il produttore raccomanda CMU Arpabet per una pronuncia v2 più prevedibile e afferma che le regole fonemiche dovrebbero essere applicate separatamente a ogni parola di un nome composto. I dizionari di pronuncia possono conservare il fonema preferito o un alias per un termine ricorrente; la corrispondenza distingue maiuscole e minuscole. Questo è diverso dalla sintassi IPA nativa di v4 racchiusa tra barre oblique e dal profilo di pronuncia di Flash v2.5.
Prepara codici di riferimento, date e abbreviazioni nella forma parlata desiderata. Le stesse cifre possono rappresentare una quantità o un identificatore, quindi specifica se l’ascoltatore debba sentire un numero intero o cifre separate. Scrivi mese e data senza ambiguità ed espandi abbreviazioni che dovrebbero essere pronunciate come parole. Normali indicazioni esplicative inserite nel testo possono essere esse stesse lette ad alta voce; i tag audio espressivi di v3 e v4 non sono il profilo di controllo descritto per questa edizione.
La famiglia di formati del produttore comprende MP3, PCM non compresso a 16 bit, μ-law e A-law per telefonia e Opus. Il flusso comune può fornire una registrazione completa o restituire parlato progressivamente. Le impostazioni della voce influenzano stabilità, somiglianza e ritmo, con un intervallo di velocità documentato da 0.7 a 1.2 e 1.0 invariato. Queste impostazioni guidano un’interpretazione senza garantire una registrazione identica o una lunghezza finale precisa.
Per un messaggio concreto di aiuto in inglese, fornisci prima il risultato e poi un passaggio successivo: conferma una selezione salvata, pronuncia chiaramente il nome del campo pertinente e spiega che cosa l’utente può fare dopo. Per un tutorial, scrivi un’istruzione completa e usa una pausa prima dell’azione seguente. Verifica nomi difficili, numeri e transizioni nell’audio selezionato. Conserva quella registrazione con copione e preparazione della pronuncia, affinché possa diventare un intervento parlato riutilizzabile, una notifica o una risposta di assistente.
", "aboutText": "Eleven Flash v2 è il modello di sintesi vocale esclusivamente inglese di ElevenLabs per applicazioni vocali reattive. Riceve un enunciato scritto e produce audio parlato nella voce selezionata. Il produttore propone Flash per conversazioni in tempo reale ed esperienze interattive, come conferme di assistenti, istruzioni parlate e risposte nei giochi. Questa edizione denominata è separata dal multilingue Flash v2.5 e dalle famiglie espressive v3 e v4.\n\nL’inglese è il profilo linguistico di Flash v2. Una voce può fornire un accento regionale e un tono particolare, ma non rende questa edizione un modello multilingue. Scegli una voce adatta all’ascoltatore previsto e allo scopo della frase. Una conferma di assistente, un narratore di istruzioni e un personaggio interattivo possono richiedere cadenze diverse anche quando il contenuto fattuale è lo stesso. Prepara prima della sintesi le parole inglesi effettive da pronunciare.\n\nUna richiesta supporta fino a 30.000 caratteri. La lunghezza audio approssimativa indicata dal produttore accanto a questo limite non è una durata fissa. Per una risposta interattiva, mantieni un pensiero principale e una conclusione chiara; per una registrazione più lunga, dividi testo correlato ai confini di frasi o sezioni. Il flusso TTS comune documenta testo vicino o contesto della richiesta per preservare la prosodia tra generazioni collegate, quindi la segmentazione non deve eliminare il rapporto tra passaggi successivi.\n\nIl flusso di pause di Flash v2 usa tag SSML break. La guida del prodotto fornisceelevenlabs/eleven-flash-v2Eleven Flash v2 è il modello di sintesi vocale esclusivamente inglese di ElevenLabs per interazioni vocali reattive. Converte testo preparato in audio parlato, con un limite di 30.000 caratteri per richiesta e controlli documentati per pause e pronuncia delle singole parole.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Eleven Flash v2 è il modello di sintesi vocale esclusivamente inglese di ElevenLabs per applicazioni vocali reattive. Riceve un enunciato scritto e produce audio parlato nella voce selezionata. Il produttore propone Flash per conversazioni in tempo reale ed esperienze interattive, come conferme di assistenti, istruzioni parlate e risposte nei giochi. Questa edizione denominata è separata dal multilingue Flash v2.5 e dalle famiglie espressive v3 e v4.
L’inglese è il profilo linguistico di Flash v2. Una voce può fornire un accento regionale e un tono particolare, ma non rende questa edizione un modello multilingue. Scegli una voce adatta all’ascoltatore previsto e allo scopo della frase. Una conferma di assistente, un narratore di istruzioni e un personaggio interattivo possono richiedere cadenze diverse anche quando il contenuto fattuale è lo stesso. Prepara prima della sintesi le parole inglesi effettive da pronunciare.
Una richiesta supporta fino a 30.000 caratteri. La lunghezza audio approssimativa indicata dal produttore accanto a questo limite non è una durata fissa. Per una risposta interattiva, mantieni un pensiero principale e una conclusione chiara; per una registrazione più lunga, dividi testo correlato ai confini di frasi o sezioni. Il flusso TTS comune documenta testo vicino o contesto della richiesta per preservare la prosodia tra generazioni collegate, quindi la segmentazione non deve eliminare il rapporto tra passaggi successivi.
Il flusso di pause di Flash v2 usa tag SSML break. La guida del prodotto fornisce <break time="1.5s" /> come modo per richiedere una pausa naturale, con fino a tre secondi documentati. La voce influenza l’interpretazione attorno alla pausa e tag eccessivi possono causare cambi di velocità, rumore o artefatti. Usa una pausa dove l’ascoltatore ha bisogno di una transizione, non tra ogni parola. Punteggiatura e puntini di sospensione possono influire anche sul ritmo del parlato, ma sono meno coerenti e possono aggiungere un tono esitante.
Le singole parole possono usare notazione SSML di fonemi in IPA o CMU Arpabet. Il produttore raccomanda CMU Arpabet per una pronuncia v2 più prevedibile e afferma che le regole fonemiche dovrebbero essere applicate separatamente a ogni parola di un nome composto. I dizionari di pronuncia possono conservare il fonema preferito o un alias per un termine ricorrente; la corrispondenza distingue maiuscole e minuscole. Questo è diverso dalla sintassi IPA nativa di v4 racchiusa tra barre oblique e dal profilo di pronuncia di Flash v2.5.
Prepara codici di riferimento, date e abbreviazioni nella forma parlata desiderata. Le stesse cifre possono rappresentare una quantità o un identificatore, quindi specifica se l’ascoltatore debba sentire un numero intero o cifre separate. Scrivi mese e data senza ambiguità ed espandi abbreviazioni che dovrebbero essere pronunciate come parole. Normali indicazioni esplicative inserite nel testo possono essere esse stesse lette ad alta voce; i tag audio espressivi di v3 e v4 non sono il profilo di controllo descritto per questa edizione.
La famiglia di formati del produttore comprende MP3, PCM non compresso a 16 bit, μ-law e A-law per telefonia e Opus. Il flusso comune può fornire una registrazione completa o restituire parlato progressivamente. Le impostazioni della voce influenzano stabilità, somiglianza e ritmo, con un intervallo di velocità documentato da 0.7 a 1.2 e 1.0 invariato. Queste impostazioni guidano un’interpretazione senza garantire una registrazione identica o una lunghezza finale precisa.
Per un messaggio concreto di aiuto in inglese, fornisci prima il risultato e poi un passaggio successivo: conferma una selezione salvata, pronuncia chiaramente il nome del campo pertinente e spiega che cosa l’utente può fare dopo. Per un tutorial, scrivi un’istruzione completa e usa una pausa prima dell’azione seguente. Verifica nomi difficili, numeri e transizioni nell’audio selezionato. Conserva quella registrazione con copione e preparazione della pronuncia, affinché possa diventare un intervento parlato riutilizzabile, una notifica o una risposta di assistente.
POST /v1/audio/speechtextaudio| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti elevenlabs/eleven-flash-v2 | Predefinito— |
Campoinput | Tipostring | RequisitoObbligatorio | Valori e limiti Lunghezza minima: 1 Lunghezza massima: 30.000 Unità: caratteri Unicode | Predefinito— |
Campovoice | Tipostring | RequisitoObbligatorio | Valori e limiti george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will | Predefinito— |
Camporesponse_format | Tipostring | RequisitoObbligatorio | Valori e limiti mp3 | Predefinito— |
text_to_speech · Obbligatorio: input
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, input, voice, response_format |
Parametrovoice_ids | Contrattogeorge, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will |
Parametroresponse_format | Contrattomp3 |
Parametromax_input_characters | Contratto30000 |
Parametroother_options | Contrattofalse |
Parametroinput | Contrattotesto UTF-8 esatto; conteggio dei caratteri Unicode senza normalizzazione |
Parametromaterial_types | Contrattotext |
Ciclo di vita: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id effettivamente restituito o record della libreria multimediale
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Seleziona la voce esatta dal profilo di questo modello.
I caratteri in ingresso e i secondi di audio sono unità di misurazione diverse.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Unità di fatturazione | Costo |
|---|---|---|---|
| ConfigurazioneTariffe base dei token | Listino delle tariffeTariffa base | Unità di fatturazione— | Costo Input · Token in input — / 1K token Output · Token in output — / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| Configurazionecarattere in ingresso | Listino delle tariffe— | Unità di fatturazioneper carattere in input | Costo Input · carattere in ingresso $0.00008 per carattere in input |
I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot selezionato.
| Configurazione | Condizioni di fatturazione | Costo |
|---|---|---|
| ConfigurazioneElevenLabs: Eleven Flash v2 · Configurazione predefinita | Condizioni di fatturazioneConfigurazione predefinita | Costo Input · Caratteri in input 0,00004 USD per carattere in input |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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", "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 ogni risposta, file e parte di contenuto restituiti per intero.
Conserva il risultato binario completo e gli header. Se vengono restituiti JSON o più output, conserva ogni elemento data e recupera ogni URL firmato effettivo della risorsa.
Conserva operation_id/X-Client-Request-ID originale per la riconciliazione senza reinvio; non esiste una rotta dedicata al polling audio.
| Campo | Tipo |
|---|---|
Campobinary audio | Tipobytes |
Camporesponse headers | Tipoheaders |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Rispostaserver_error | CondizioneLa risposta restituita indica che l'operazione o il risultato richiede una verifica | Passaggio successivoConserva l'ID originale di operazione/task restituito, gli header della richiesta e la risposta; continua a leggere l'operazione originale tramite le modalità supportate. Non reinviare la richiesta di creazione. |
Ailoot Ultra elevenlabs/eleven-flash-v2
Usa i percorsi dei metodi indicati sopra.