ElevenLabs: Eleven Multilingual v2

Eleven Multilingual v2 is het text-to-speech-model van ElevenLabs voor natuurlijke, emotioneel afgestemde en consistente vertelling. Het accepteert een geschreven script en retourneert gesproken audio, waarbij de geselecteerde stem een groot deel van karakter en accent bepaalt. De producent benadrukt stabiliteit bij langere generaties, professionele inhoud, personagevoice-overs, e-learning en meertalige projecten. Het is een spraaksynthesemodel, afzonderlijk van de stemveranderaar met de vergelijkbare naam Multilingual Speech to Speech.

De gedocumenteerde taalkeuze omvat 29 talen: Engels, Japans, Chinees, Duits, Hindi, Frans, Koreaans, Portugees, Italiaans, Spaans, Indonesisch, Nederlands, Turks, Filipino, Pools, Zweeds, Bulgaars, Roemeens, Arabisch, Tsjechisch, Grieks, Fins, Kroatisch, Maleis, Slowaaks, Deens, Tamil, Oekraïens en Russisch. Bereid vóór synthese het daadwerkelijke script in een ondersteunde taal voor in plaats van te verwachten dat het stemmodel het vertaalt.

Het model is ontworpen om de kenmerken en persoonlijkheid van de gekozen spreker door de ondersteunde talen heen te behouden. Accent hangt nog steeds sterk van de stem af: ElevenLabs beveelt een stem aan die in de doeltaal en het regionale accent is getraind, omdat een niet-native stem haar oorspronkelijke accent kan behouden of kan gaan afwijken. Behoud voor een gelokaliseerde cursus de rol van de verteller en de algemene toon en pas zinsstructuur, terminologie en uitspraak aan het publiek aan. Een gedeelde stemidentiteit neemt de noodzaak niet weg om de voordracht in de doeltaal te beoordelen.

De aanvraaglimiet is 10.000 tekens. Langer materiaal kan in samenhangende hoofdstukken of secties worden verdeeld; de gedeelde TTS-workflow van de producent documenteert voorafgaande en volgende tekst of naburige aanvraagcontext om prosodie tussen fragmenten te behouden. Splits bij een betekenisvolle zinsgrens en neem genoeg omringende context mee voor begin en einde van een passage. De geschatte minuten per aanvraag van de fabrikant zijn geen belofte van een vaste duur, omdat woorden, taal en tempo de lengte van de geselecteerde opname bepalen.

De voordracht volgt de betekenis van de tekst, vertelcontext, interpunctie en gekozen stem. Stability regelt variatie en emotioneel bereik; similarity regelt hoe sterk het resultaat op de stem lijkt. De gedeelde productgids beschrijft een snelheidsbereik van 0.7 tot 1.2, met 1.0 ongewijzigd. Hoge stability kan ingetogen of monotoon klinken, terwijl te weinig stability een grillige voordracht kan geven. Geschreven aanwijzingen voor voordracht kunnen zelf worden uitgesproken, dus bereid het definitieve script voor in plaats van instructies in te voegen die nooit gehoord mogen worden.

De pauzeworkflow van dit model ondersteunt SSML-break-tags, anders dan v3 en v4. De producent geeft <break time="1.5s" /> als manier om een natuurlijke pauze te vragen en documenteert pauzes tot drie seconden. Te veel break-tags kunnen snelheidsveranderingen of artefacten veroorzaken en de geselecteerde stem kan beïnvloeden hoe een pauze klinkt. Gebruik pauzes bij betekenisvolle overgangen, zoals na een definitie of vóór het volgende deel van een gesproken instructie.

Multilingual v2 ondersteunt geen phoneme-tags in de uitspraakgids van de fabrikant. Gebruik woordenboekaliassen of een voorbereide alternatieve spelling om de gewenste gesproken vorm van een naam, acroniem of technische term aan te geven. ElevenLabs beschrijft dit model ook als natuurlijker in het omgaan met getallen dan Flash v2.5, terwijl de voorbereidingsrichtlijnen nog steeds aanraden belangrijke getallen, datums en symbolen te schrijven als de woorden die uitgesproken moeten worden. Een referentiecode en een hoeveelheid vereisen verschillende lezingen, ook wanneer de geschreven cijfers op elkaar lijken.

De audioformaatfamilie van de producent omvat MP3 voor distributie, ongecomprimeerde 16-bits PCM voor productiewerk, μ-law en A-law voor telefonie en Opus. Volledige spraakgeneratie en streaming zijn in de gedeelde TTS-workflow gedocumenteerd. Kies de uitvoer voor de beoogde bestemming en bewaar script, stem en geselecteerde opname samen. Een audioboekhoofdstuk, bedrijfsvertelling en korte les kunnen hetzelfde modeldoel gebruiken terwijl ze verschillende pacing en segmentatie nodig hebben.

Schrijf voor een praktische les de introductie, definities, het voorbeeld en de overgang als volledige gesproken passages. Markeer termen die consistente uitspraak nodig hebben en gebruik een natuurlijke pauze na het kernconcept. Beoordeel een representatief deel met namen, getallen en een langere zin en controleer accent, verstaanbaarheid en of de voordracht stabiel blijft over de sectiegrens heen. Het bruikbare artefact is een consistente vertelopname die naast het bronscript in een cursus, audioboek of video kan worden geplaatst.