ElevenLabs: Eleven v4

Eleven v4 は、文脈に応じた話し方、文中の音声指示、効果音イベントによって、原稿を表現豊かな音声に変換します。ElevenLabs は、制作ナレーション、キャラクターの対話、多言語音声向けに設計しており、1 回の生成上限は 10,000 文字です。

Ailoot Ultra · 音声合成 POST /v1/audio/speech elevenlabs/eleven-v4

モデルについて

この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。

Eleven v4は、制作コンテンツ、ナレーション、登場人物の演技向けに、表現豊かな音声を合成するElevenLabsのテキスト音声変換モデルです。新しいアーキテクチャは台本の文脈を使い、誰が話し、何が起き、次のせりふをどう発声するかを形作ります。入力は選択した声に結び付いた文章の台本、出力は音声です。メーカーは、感情を伴う会話、オーディオブック、アニメーションとゲーム、多言語プロジェクトを代表的な用途としています。

演出は、台本内の音声タグで記述できます。[laughs]、[whispers]、[door slams]などのタグは、発声、言葉以外の出来事、場面内の音を表せます。文書化されたv4の更新では、v3よりも一連の演出指示への追従が改善しています。短い劇的な場面なら、実際に話す言葉を書き、末尾に無関係な感情一覧を加えるのではなく、重要な位置に発声の手掛かりを置いてください。

間や強調には、自然言語による音声の演出指示を使います。ElevenLabsは休止に[pause]と[long pause]、発声に[excited]や[sighs]などを文書化しています。v4ではSSMLの<break>タグが無効なので、それを使う古い台本はv4の演出形式に合わせる必要があります。タグは意図する演技を指定するもので、単独で正確なミリ秒数を設定したり、完成尺を固定したりするものではありません。

メーカーの会話ワークフローは複数話者に対応し、異なる声や音の出来事を含む場面を作れます。v4の会話用WebSocketプロファイルは登録済みの声を最大10種類、v4 Turboのプロファイルは1種類使います。話者の順序を明確にし、各せりふを意図した声と結び付けてください。例えば、静かで不安そうな質問から、自信のある回答、安堵した反応へ移るやり取りを用意できます。内容と感情の変化は、台本自体から理解できる必要があります。一人の語り手でも、地の文、引用されたせりふ、気分の変化を明確に区別してください。

Eleven v4は、英語、フランス語、ドイツ語、日本語、スペイン語、ポルトガル語、ロシア語など90を超える言語に対応します。メーカーは、言語が切り替わっても一貫した声の品質を説明しています。収録対象の言語や地域に適した声と発音を選んでください。台本の言語と声の個性の両方が重要です。授業を現地化するなら、まず発話内容を翻訳し、意味、用語、発声指示を新しい台本にも保ちます。

1回の生成で最大10,000文字を扱えます。長い作品は複数の連続した生成に分け、区間同士のテンポや発声をそろえるために文脈をつなぎます。章は自然な文や場面の境界で分け、その前後の文脈を保持してください。メーカーは、せりふを再生成しても話者の同一性が安定することも説明しています。周囲の配役や演技のスタイルを保ち、一つの箇所を修正する場合に役立ちます。

v4は、ElevenLabsのメーカー側ワークフローでInstant Voice ClonesとProfessional Voice Clonesに対応します。ElevenLabsはv4での再対応を強調しており、v3のプロンプトガイドではProfessional Voice Clonesはv3向けに十分最適化されていないとしています。v4公開前に作成したInstantまたはProfessional Voice Clonesは、このモデルで効果的に使うためにv4向けの再学習が必要です。声のクローン作成は合成に使う声を作成・準備する工程で、提供台本を音声に変換する行為とは別です。モデルの名前が特定の既定の声を要求するわけではないため、モデル名から話者を決めつけず、語り手や登場人物に合う声を選んでください。

メーカーは、一般の視聴やメディア配信にMP3、非圧縮の制作音声にWAVまたはPCM、電話用途にμ-lawを文書化しています。APIは選択形式のサンプルレートとビットレートを制御します。発音辞書では名前、略語、専門用語の読み方を定義できます。v4は、/IPA_transcription/のようにスラッシュで囲んだ標準IPA表記も認識し、複数音節の語のアクセント記号にも対応します。ただし発音は声や文によって変わることがあります。制作前に必要な用語を用意し、修正を通じて希望する読み方を統一してください。v4のメーカー側プロファイルではStabilityとSimilarityの声設定を使い、StyleとSpeedのスライダーはありません。速さや感情表現は台本と音声タグで指示します。

実際のナレーション指示では、完成した場面、意図する声、言語、感情の推移、音声の用途を提供します。例えば、「冒頭は穏やかに読み、発見の前で間を取り、最後のせりふは安堵した声にしてください。語り手の調子は一貫させてください」と依頼できます。発音、話者の切り替わり、音として現れるタグや出来事、箇所同士のつながりを確認してください。成果物は台本に結び付いた制作済みの音声で、採用テイクと、特定のせりふを修正するための指示を伴います。

Ailoot Ultra · 音声合成 POST /v1/audio/speech elevenlabs/eleven-v4

elevenlabs/eleven-v4

ElevenLabs /elevenlabs/eleven-v4

はじめに

対応する入力: テキスト
結果: 音声

Ailootで利用可能 · 入力とメソッド

Ailoot Ultra · 音声合成 POST /v1/audio/speech

入力の種類: text
出力の種類: audio
出力形式: mp3

フィールド	種類	要件	値と制限	デフォルト
フィールド`model`	種類`string`	要件必須	値と制限 elevenlabs/eleven-v4	デフォルト—
フィールド`input`	種類`string`	要件必須	値と制限最小の長さ: 1 最大の長さ: 10,000 単位: Unicode 文字	デフォルト—
フィールド`voice`	種類`string`	要件必須	値と制限 george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will	デフォルト—
フィールド`response_format`	種類`string`	要件必須	値と制限 mp3	デフォルト—

入力素材の組み合わせ

text_to_speech · 必須: input

メソッドのパラメータとライフサイクル

パラメータ	仕様
パラメータ`content_type`	仕様application/json
パラメータ`required`	仕様model, input, voice, response_format
パラメータ`voice_ids`	仕様george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will
パラメータ`response_format`	仕様mp3
パラメータ`max_input_characters`	仕様10000
パラメータ`other_options`	仕様false
パラメータ`input`	仕様正確なUTF-8テキスト。正規化せずにUnicode文字数を数えます
パラメータ`material_types`	仕様text

ライフサイクル: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · 実際に返された task_id またはメディアライブラリのレコード

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

このモデルのプロファイルから、使用する音声を正確に選択してください。

入力文字数と音声の秒数は、別の計測単位です。

料金

料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。

高速モード: 未指定高速モードが選択されている場合
Flex モード: 未指定 flex モードが選択されている場合
最大推論量: 未指定推論量が最大で、調整に既定値（default）を使用する場合

Ailootの料金

設定別の価格

各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。

設定	料金表	課金単位	料金
設定基本トークン料金	料金表基本料金	課金単位—	料金入力 · 入力トークン — / 1K トークン出力 · 出力トークン — / 1K トークン入力 · キャッシュ読み取り — / 1K トークン入力 · キャッシュ書き込み — / 1K トークン入力 · キャッシュ書き込み、1時間 — / 1K トークン
設定入力文字	料金表—	課金単位入力文字あたり	料金入力 · 入力文字 $0.00016 入力文字あたり

参考料金の詳細

モデル単位の参照料金表は、メソッド選択、見積もり、課金を変更しません。実際の課金には、選択したAilootメソッドの料金を適用します。

ElevenLabs: Eleven v4

設定別の価格

設定	課金条件	料金
設定ElevenLabs: Eleven v4 · 標準設定	課金条件デフォルト設定	料金入力 · 入力文字数 $0.00008 入力文字あたり

Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →

リクエスト例

Ailoot Ultra · 音声合成

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

結果を受け取って保存

Ailoot Ultra · 音声合成

mp3

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

その他のコンテンツ取得

メディアライブラリタスクのステータスアセットの詳細

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

完了した結果をすべて保存

返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。

バイナリ結果の全体とヘッダーを保存してください。JSON または複数の出力が返された場合は、すべてのデータ項目を保存し、実際に返された署名付きアセット URL から各アセットを取得してください。

元のレスポンスを確認する場合

再送せずに照合できるよう、元の operation_id/X-Client-Request-ID を保存してください。音声専用のポーリングルートはありません。

レスポンスのフィールド

フィールド	種類
フィールド`binary audio`	種類bytes
フィールド`response headers`	種類headers

エラーと次の手順

レスポンス	条件	次の手順
レスポンス400 · `invalid_request_error`	条件必須フィールド、素材の表現形式、またはパラメーター値が不正です	次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。
レスポンス`server_error`	条件返されたレスポンスは、操作または結果の確認が必要であることを示しています	次の手順最初に返された操作／タスク ID、リクエストヘッダー、レスポンスを保存し、その元の操作に対してサポートされている読み取りを継続してください。作成リクエストを再送しないでください。

エイリアス

モデルのエイリアス

Ailoot Ultra elevenlabs/eleven-v4

メソッドパスのエイリアス

上記に表示されたメソッドパスを使用してください。

ElevenLabs: Eleven v4