ElevenLabs: Eleven v4
Eleven v4 paverčia tekstus išraiškinga kalba, kurios atlikimą lemia kontekstas, tekste įterptos garso instrukcijos ir garsiniai įvykiai. ElevenLabs jį kuria parengtam pasakojimui, veikėjų dialogams ir daugiakalbiam garsui; vieno generavimo riba – 10 000 ženklų.
Apie modelį
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Eleven v4 – tai išraiškingas „ElevenLabs“ teksto į kalbą modelis kuriamam turiniui, pasakojimui ir veikėjų atlikimui. Nauja jo architektūra naudoja scenarijaus kontekstą nustatyti, kas kalba, kas įvyko ir kaip turi skambėti kita eilutė. Įvestis yra rašytinis scenarijus, susietas su pasirinktu balsu; išvestis – garsas. Gamintojas kaip būdingas paskirtis pabrėžia emocingą dialogą, garsinių knygų kūrimą, animaciją bei žaidimus ir daugiakalbius projektus.
Režisūrą galima įrašyti į scenarijų vidinėmis garso žymomis. Tokios žymos kaip [laughs], [whispers] ir [door slams] gali aprašyti balso atlikimą, neverbalinį įvykį ar garsą scenoje. Dokumentuotas v4 atnaujinimas gerina šių nurodymų sekos laikymąsi, palyginti su v3. Trumpam draminiam momentui parašykite tikrus tariamus žodžius ir atlikimo užuominą įdėkite toje vietoje, kur ji svarbi, o ne gale pridėkite nesusijusį emocijų sąrašą.
Pauzės ir pabrėžimas naudoja natūralios kalbos garso nurodymus. „ElevenLabs“ dokumentuoja [pause] ir [long pause] pertraukoms bei tokias užuominas kaip [excited] ar [sighs] atlikimui. SSML <break> žymos v4 išjungtos, todėl senesnį scenarijų su šiomis žymomis reikia pritaikyti v4 nurodymų formatui. Žyma nurodo pageidaujamą atlikimą; pati savaime ji nenustato tikslaus milisekundžių skaičiaus ir negarantuoja fiksuotos galutinės trukmės.
Gamintojo dialogo eiga palaiko kelis kalbėtojus ir leidžia scenoje turėti atskirus balsus bei garso įvykius. V4 dialogo WebSocket profilis palaiko iki dešimties registruotų balsų, o v4 Turbo profilis naudoja vieną. Paruoškite aiškią kalbėtojų ėjimų eilę ir kiekvieną eilutę susiekite su numatytu balsu. Iliustracinis apsikeitimas gali pereiti nuo tylaus neužtikrinto klausimo prie pasitikinčio atsakymo ir tada prie palengvėjusios reakcijos. Turinys ir emocinis perėjimas turi būti suprantami iš paties scenarijaus. Vienam pasakotojui taip pat aiškiai atskirkite pasakojimą nuo cituojamos eilutės ar nuotaikos pasikeitimo.
Eleven v4 palaiko daugiau nei 90 kalbų, įskaitant anglų, prancūzų, vokiečių, japonų, ispanų, portugalų ir rusų. Gamintojas aprašo nuoseklią balso kokybę keičiantis kalboms. Rinkitės numatyto įrašo kalbai ir regionui tinkamą balsą bei tarimą; svarbi ir scenarijaus kalba, ir balso charakteris. Lokalizuotai pamokai pirmiausia išverskite tariamą tekstą ir naujame scenarijuje išsaugokite prasmę, terminiją bei atlikimo užuominas.
Vienas generavimas palaiko iki 10,000 simbolių. Ilgesnis darbas ruošiamas kaip keli susieti generavimai, o konteksto sujungimas skirtas išlaikyti nuoseklų tempą ir atlikimą tarp segmentų. Skyrių padalykite ties natūralia sakinio ar scenos riba ir išsaugokite aplinkinį kontekstą. Gamintojas taip pat aprašo stabilią kalbėtojo tapatybę generuojant eilutę iš naujo. Tai naudinga taisant vieną ištrauką ir išlaikant tuos pačius veikėjus bei atlikimo stilių aplinkinėje medžiagoje.
V4 palaiko Instant ir Professional Voice Clones gamintojo „ElevenLabs“ darbo eigoje. „ElevenLabs“ pabrėžia jų sugrįžimą v4; v3 užklausų vadovas nurodo, kad Professional Voice Clones nėra visiškai optimizuoti v3. Instant ar Professional Voice Clones, sukurti prieš v4 pristatymą, turi būti perapmokyti v4, kad efektyviai veiktų su modeliu. Balso klonavimas sukuria ar paruošia sintezei naudojamą balsą; tai atskira nuo pateikto scenarijaus pavertimo kalba. Modelio tapatybė nereikalauja vieno numatytojo balso, todėl balsą rinkitės pasakotojui ar veikėjui, o ne manykite, kad modelio pavadinimas nustato kalbėtoją.
Gamintojas dokumentuoja MP3 įprastam klausymui ir medijos pristatymui, WAV ar PCM nesuspaustam gamybiniam garsui ir μ-law telefonijai. API valdo pasirinkto formato diskretizavimo dažnį ir bitų spartą. Tarimo žodynai gali apibrėžti, kaip tariami vardai, akronimai ir techniniai terminai. V4 taip pat atpažįsta standartines IPA transkripcijas tarp pasvirųjų brūkšnių, pavyzdžiui, /IPA_transcription/, įskaitant daugiaskiemenių terminų kirčio žymas; tarimas vis tiek gali skirtis pagal balsą ir frazę. Privalomus terminus paruoškite prieš gamybą ir per taisymus išlaikykite nuoseklias pageidaujamas tariamas formas. V4 gamintojo profilis naudoja Stability ir Similarity balso nustatymus; Style ir Speed slankikliai neprieinami. Tempas ir emocinis atlikimas nukreipiami per scenarijų bei garso žymas.
Praktinei pasakojimo užduočiai pateikite užbaigtą sceną, numatytą balsą, kalbą, emocinę eigą ir garso paskirties vietą. Pavyzdžiui: „Pradžią perskaityk ramiai, padaryk pauzę prieš atradimą ir paskutinę eilutę ištark su palengvėjimu; išlaikyk nuoseklų pasakotojo toną.“ Peržiūrėkite tarimą, kalbėtojų pasikeitimus, girdimas žymas ar įvykius ir perėjimus tarp ištraukų. Naudingas rezultatas yra sukurtas kalbos įrašas, susietas su scenarijumi, su pasirinktu dubliu ir nurodymais konkrečiai eilutei pataisyti.
Ailoot Ultra · Įgarsinimas POST /v1/audio/speech elevenlabs/eleven-v4
elevenlabs/eleven-v4Pradžia
Eleven v4 paverčia tekstus išraiškinga kalba, kurios atlikimą lemia kontekstas, tekste įterptos garso instrukcijos ir garsiniai įvykiai. ElevenLabs jį kuria parengtam pasakojimui, veikėjų dialogams ir daugiakalbiam garsui; vieno generavimo riba – 10 000 ženklų.
- Leidžiamos įvestys
- Tekstas
- Rezultatai
- Garsas
Prieinama Ailoot · įvestys ir metodai
Ailoot Ultra · Įgarsinimas POST /v1/audio/speech
- Įvestis
text- Išvestis
audio- Išvesties formatas
- mp3
| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos elevenlabs/eleven-v4 | Numatyta— |
Laukasinput | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias ilgis: 1 Didžiausias ilgis: 10 000 Vienetas: Unicode simboliai | Numatyta— |
Laukasvoice | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will | Numatyta— |
Laukasresponse_format | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos mp3 | Numatyta— |
Įvesties medžiagos deriniai
text_to_speech · Privaloma: input
Metodo parametrai ir gyvavimo ciklas
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, input, voice, response_format |
Parametrasvoice_ids | Specifikacijageorge, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will |
Parametrasresponse_format | Specifikacijamp3 |
Parametrasmax_input_characters | Specifikacija10000 |
Parametrasother_options | Specifikacijafalse |
Parametrasinput | Specifikacijatikslus UTF-8 tekstas; Unicode simbolių skaičius be normalizavimo |
Parametrasmaterial_types | Specifikacijatext |
Gyvavimo ciklas: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktiškai grąžinta task_id reikšmė arba medijos bibliotekos įrašas
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Pasirinkite tikslų balsą iš šio modelio profilio.
Įvesties simboliai ir garso sekundės yra skirtingi apskaitos vienetai.
Planai
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
- Spartusis režimas
- Nenurodyta Pasirinkus spartųjį režimą
- Flex režimas
- Nenurodyta Pasirinkus flex režimą
- Didžiausios samprotavimo pastangos
- Nenurodyta Kai didžiausioms samprotavimo pastangoms taikomas numatytasis koregavimas (default)
Ailoot įkainiai
Kainos pagal konfigūraciją
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Apskaitos vienetas | Mokestis |
|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Apskaitos vienetas— | Mokestis Įvestis · Įvesties tokenai — / 1K tokenų Išvestis · Išvesties tokenai — / 1K tokenų Įvestis · Talpyklos skaitymas — / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| Konfigūracijaįvesties simbolis | Įkainių lentelė— | Apskaitos vienetasuž įvesties simbolį | Mokestis Įvestis · įvesties simbolis $0.00016 už įvesties simbolį |
Informacinio tarifo duomenys
Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.
ElevenLabs: Eleven v4
Kainos pagal konfigūraciją
| Konfigūracija | Apmokestinimo sąlygos | Mokestis |
|---|---|---|
| KonfigūracijaElevenLabs: Eleven v4 · Numatytoji konfigūracija | Apmokestinimo sąlygosNumatytoji konfigūracija | Mokestis Įvestis · Įvesties simboliai 0,00008 USD už įvesties simbolį |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Užklausų pavyzdžiai
Ailoot Ultra · Įgarsinimas
set -eu
: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o speech.mp3
Gauti ir išsaugoti rezultatus
Ailoot Ultra · Įgarsinimas
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Kito turinio skaitymas
set -eu
: "${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
Išsaugoti visus baigtus rezultatus
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visą dvejetainį rezultatą ir antraštes. Jei grąžinamas JSON arba keli rezultatai, išsaugokite kiekvieną duomenų elementą ir atsisiųskite kiekvieną išteklių pagal faktiškai grąžintą pasirašytą URL.
Jei reikia patikrinti pradinį atsakymą
Išsaugokite pradinį operation_id/X-Client-Request-ID duomenims sutikrinti, pakartotinai neteikdami užklausos; atskiro garso būsenos tikrinimo maršruto nėra.
Atsakymo laukai
| Laukas | Tipas |
|---|---|
Laukasbinary audio | Tipasbytes |
Laukasresponse headers | Tipasheaders |
Klaidos ir tolesni veiksmai
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Atsakymasserver_error | SąlygaGrąžintame atsakyme nurodoma, kad operaciją arba rezultatą reikia patikrinti | Kitas žingsnisIšsaugokite pradinį grąžintą operacijos ar užduoties ID, užklausos antraštes ir atsakymą; toliau tikrinkite tos pačios pradinės operacijos duomenis palaikomais būdais. Kūrimo užklausos pakartotinai neteikite. |
Pseudonimai
Modelių pseudonimai
Ailoot Ultra elevenlabs/eleven-v4
Metodų kelių pseudonimai
Naudokite aukščiau nurodytus metodų kelius.
Susiję ID iškvietimui
FAQ · ElevenLabs: Eleven v4
- Kokios įvestys ir rezultatai prieinami?
POST /v1/audio/speech·elevenlabs/eleven-v4:text→audio- Kokius laukus naudoja užklausa?
POST /v1/audio/speech·elevenlabs/eleven-v4:model,input,voice,response_format- Kokie apribojimai taikomi?
POST /v1/audio/speech·elevenlabs/eleven-v4:input.maximum_length:10000