ElevenLabs: Eleven Turbo v2

Eleven Turbo v2 é o modelo de texto para fala apenas em inglês da ElevenLabs para aplicações que precisam de respostas faladas rápidas. Recebe o texto preparado de uma intervenção e devolve áudio numa voz selecionada. O fabricante identifica Turbo v2 separadamente de Turbo v2.5 multilingue e da linha Flash. O seu papel útil é uma resposta de voz em inglês, como uma confirmação, uma explicação curta ou a instrução seguinte numa interface de conversação.

O inglês é o limite linguístico que define esta edição. Fornecer outra língua não dá a Turbo v2 o perfil multilingue de v2.5. Escolha uma voz com o sotaque e a expressão necessários para o guião em inglês. Uma voz de conversa calorosa, um narrador contido e uma personagem enérgica podem fazer a mesma frase soar de forma diferente, pelo que a voz selecionada faz parte do briefing, em vez de ser uma predefinição fixa determinada pelo nome do modelo.

Prepare um guião falado limpo. O modelo sintetiza as palavras que lhe são fornecidas; não decide se uma ação foi bem-sucedida nem gera o raciocínio da aplicação. Para uma resposta de assistente, inclua um resultado claro e uma etapa seguinte natural. Uma frase ilustrativa pode confirmar que um documento foi recebido e pedir o respetivo número de referência em falta. Mantenha instruções internas e metadados fora das palavras destinadas a ser ouvidas, porque o próprio texto descritivo comum pode ser pronunciado.

Nomes, abreviaturas e números precisam de preparação deliberada. Escreva um identificador como algarismos separados quando tem de ser repetido dessa forma e desenvolva uma abreviatura quando o ouvinte deve ouvir o seu significado completo. Para uma data, utilize uma forma falada inequívoca. Aliases de pronúncia ou grafias alternativas podem fornecer uma forma preferida de dizer um nome difícil. Conserve a grafia original de apresentação separadamente da forma falada se a aplicação também mostrar a mensagem como texto.

As definições de voz do produtor influenciam a consistência, a semelhança e o ritmo. No seu guia partilhado do produto TTS, a definição speed utiliza 1.0 para velocidade inalterada e um intervalo de 0.7 a 1.2; ajustes extremos podem afetar o resultado. A estabilidade altera a variabilidade e a amplitude emocional, enquanto a similaridade controla a semelhança com a voz selecionada. Estes controlos não tornam a síntese determinística nem estabelecem uma duração exata para uma frase. A pontuação e a estrutura completa das frases continuam importantes para a forma como as palavras são pronunciadas.

O limite exato da API Turbo v2 do produtor é de 30 000 caracteres por pedido. Este é um máximo de entrada, em vez de uma duração fixa de áudio; utilize frases ou secções completas ao preparar texto mais longo. A família de formatos TTS da ElevenLabs inclui MP3 para audição geral, PCM de 16 bits sem compressão, codificações telefónicas como μ-law e A-law e Opus. Um fluxo de streaming pode devolver áudio progressivamente, enquanto um pedido textual completo pode ser recolhido como gravação. Escolha a saída para o destino de reprodução e mantenha o guião real com o áudio selecionado. Para uma explicação mais longa, divida o texto em limites significativos, em vez de pedir ao ouvinte que siga uma lista única e extensa.

Para uma resposta prática de suporte em inglês, prepare o resultado exato, um nome ou identificador pronunciado com clareza e a ação seguinte. Reveja a parte relevante da gravação quanto à inteligibilidade, ao sotaque e ao ritmo natural. O produtor documenta saída não determinística, pelo que as mesmas definições ainda podem produzir uma interpretação ligeiramente diferente. O artefacto reutilizável é a gravação de fala selecionada juntamente com a formulação preparada e as definições de voz, para um assistente, notificação, indicação de tutorial ou explicação gravada curta.