ElevenLabs: Eleven Flash v2

Eleven Flash v2 je model prevodu textu na reč od ElevenLabs určený výhradne pre angličtinu a pohotové hlasové interakcie. Pripravený text prevádza na hovorený zvuk s limitom 30 000 znakov na požiadavku a dokumentovaným ovládaním prestávok a výslovnosti jednotlivých slov.

Ailoot Ultra · Syntéza reči POST /v1/audio/speech elevenlabs/eleven-flash-v2

O modeli

Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.

Eleven Flash v2 je model syntézy reči od ElevenLabs určený výhradne pre angličtinu a hlasové aplikácie s pohotovou odozvou. Prijíma písanú výpoveď a vytvára hovorený zvuk vo zvolenom hlase. Výrobca určuje Flash na konverzácie v reálnom čase a interaktívne zážitky, napríklad potvrdenia asistenta, hovorené pokyny a odpovede v hrách. Táto pomenovaná verzia je odlišná od viacjazyčného Flash v2.5 a expresívnych rodín v3 a v4.

Jazykovým profilom Flash v2 je angličtina. Hlas môže dodať regionálny prízvuk a konkrétny tón, no nerobí z tejto verzie viacjazyčný model. Vyberte hlas zodpovedajúci zamýšľanému poslucháčovi a účelu výpovede. Potvrdenie asistenta, rozprávač návodu a interaktívna postava môžu vyžadovať odlišnú kadenciu aj pri rovnakom vecnom obsahu. Pred syntézou pripravte skutočné anglické slová, ktoré majú zaznieť.

Požiadavka podporuje až 30 000 znakov. Približná dĺžka zvuku uvádzaná výrobcom pri tomto limite nie je pevnou dĺžkou. Pri interaktívnej odpovedi zachovajte jednu hlavnú myšlienku a jasné zakončenie; pri dlhšej nahrávke rozdeľte súvisiaci text na hraniciach viet alebo úsekov. Spoločný postup TTS dokumentuje susedný text alebo kontext požiadaviek na zachovanie prozódie medzi nadväzujúcimi generovaniami, takže členenie nemusí odstrániť súvislosť medzi po sebe idúcimi pasážami.

Postup pre prestávky Flash v2 používa značky SSML break. Produktová príručka uvádza <break time="1.5s" /> ako spôsob vyžiadania prirodzenej prestávky a dokumentuje až tri sekundy. Hlas ovplyvňuje prednes okolo prestávky a nadmerný počet značiek môže spôsobiť zmeny rýchlosti, šum alebo artefakty. Prestávku použite tam, kde poslucháč potrebuje prechod, nie medzi každým slovom. Interpunkcia a tri bodky môžu tiež ovplyvniť načasovanie, ale sú menej konzistentné a môžu dodať váhavý tón.

Jednotlivé slová môžu používať fonémový zápis SSML v IPA alebo CMU Arpabet. Výrobca odporúča CMU Arpabet pre predvídateľnejšiu výslovnosť v2 a uvádza, že fonémové pravidlá sa majú aplikovať samostatne na každé slovo viacslovného mena. Slovníky výslovnosti môžu uchovať preferovanú fonému alebo alias opakujúceho sa výrazu; pri porovnávaní rozlišujú veľké a malé písmená. To sa líši od natívnej syntaxe IPA uzavretej lomkami vo v4 aj od výslovnostného profilu Flash v2.5.

Referenčné kódy, dátumy a skratky pripravte v požadovanej hovorenej podobe. Rovnaké číslice môžu predstavovať množstvo alebo identifikátor, preto určite, či má poslucháč počuť celé číslo alebo samostatné číslice. Mesiac a dátum zapíšte jednoznačne a rozviňte skratky, ktoré sa majú vysloviť slovami. Bežný vysvetľujúci pokyn vložený do textu môže byť sám prečítaný nahlas; expresívne zvukové značky v3 a v4 nepatria k ovládaciemu profilu opísanému pre túto verziu.

Rodina formátov výrobcu zahŕňa MP3, nekomprimovaný 16-bitový PCM, μ-law a A-law pre telefonovanie a Opus. Spoločný postup môže dodať úplnú nahrávku alebo vracať reč priebežne. Hlasové nastavenia ovplyvňujú stabilitu, podobnosť a tempo; dokumentovaný rozsah rýchlosti je 0.7 až 1.2 a 1.0 znamená nezmenené tempo. Tieto nastavenia usmerňujú prednes bez záruky totožnej nahrávky alebo presnej výslednej dĺžky nahrávky.

Pri praktickej anglickej správe pomoci uveďte najprv výsledok a potom jeden nasledujúci krok: potvrďte uloženú voľbu, jasne vyslovte názov príslušného poľa a vysvetlite, čo používateľ môže urobiť ďalej. Pri návode napíšte úplný pokyn a pred ďalšou akciou použite prestávku. Vo vybranom zvuku skontrolujte náročné mená, čísla a prechody. Prednes uchovajte so scenárom a prípravou výslovnosti, aby sa mohol stať opätovne použiteľným hovoreným pokynom, upozornením alebo odpoveďou asistenta.

Ailoot Ultra · Syntéza reči POST /v1/audio/speech elevenlabs/eleven-flash-v2

elevenlabs/eleven-flash-v2

ElevenLabs /elevenlabs/eleven-flash-v2

Úvod

Povolené vstupy: Text
Výsledky: Audio

Dostupné v Ailoot · vstupy a metódy

Ailoot Ultra · Syntéza reči POST /v1/audio/speech

Vstup: text
Výstup: audio
Výstupný formát: mp3

Pole	Typ	Požiadavka	Hodnoty a limity	Predvolené
Pole`model`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity elevenlabs/eleven-flash-v2	Predvolené—
Pole`input`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity Minimálna dĺžka: 1 Maximálna dĺžka: 30 000 Jednotka: znaky Unicode	Predvolené—
Pole`voice`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will	Predvolené—
Pole`response_format`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity mp3	Predvolené—

Kombinácie vstupných podkladov

text_to_speech · Povinné: input

Parametre a životný cyklus metódy

Parameter	Špecifikácia
Parameter`content_type`	Špecifikáciaapplication/json
Parameter`required`	Špecifikáciamodel, input, voice, response_format
Parameter`voice_ids`	Špecifikáciageorge, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will
Parameter`response_format`	Špecifikáciamp3
Parameter`max_input_characters`	Špecifikácia30000
Parameter`other_options`	Špecifikáciafalse
Parameter`input`	Špecifikáciapresný text UTF-8; počet znakov Unicode bez normalizácie
Parameter`material_types`	Špecifikáciatext

Životný cyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · skutočne vrátené task_id alebo záznam v knižnici médií

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Vyberte presný hlas z profilu tohto modelu.

Vstupné znaky a sekundy zvuku sú odlišné merané jednotky.

Cenník

Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.

Rýchly režim: Neuvedené Keď je zvolený rýchly režim
Režim Flex: Neuvedené Keď je zvolený režim flex
Maximálna úroveň uvažovania: Neuvedené Keď sa pri maximálnej úrovni uvažovania používa predvolená úprava (default)

Sadzby Ailoot

Ceny podľa konfigurácie

Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.

Konfigurácia	Sadzobník	Účtovacia jednotka	Poplatok
KonfiguráciaZákladné sadzby za tokeny	SadzobníkZákladná sadzba	Účtovacia jednotka—	Poplatok Vstup · Vstupné tokeny — / 1K tokenov Výstup · Výstupné tokeny — / 1K tokenov Vstup · Čítanie cache — / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov
Konfiguráciavstupný znak	Sadzobník—	Účtovacia jednotkaza vstupný znak	Poplatok Vstup · vstupný znak $0.00008 za vstupný znak

Podrobnosti referenčnej tarify

Referenčné sadzobníky modelu nemenia výber metódy, cenové odhady ani poplatky. Aktívne poplatky používajú sadzby vybranej metódy Ailoot.

ElevenLabs: Eleven Flash v2

Ceny podľa konfigurácie

Konfigurácia	Podmienky účtovania	Poplatok
KonfiguráciaElevenLabs: Eleven Flash v2 · Predvolená konfigurácia	Podmienky účtovaniaPredvolená konfigurácia	Poplatok Vstup · Vstupné znaky 0,00004 USD za vstupný znak

Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →

Príklady požiadaviek

Ailoot Ultra · Syntéza reči

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-flash-v2", "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

Prijať a uložiť výsledky

Ailoot Ultra · Syntéza reči

mp3

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

Čítanie ďalšieho obsahu

Knižnica médiíStav úlohyPodrobnosti podkladu

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

Uchovať všetky dokončené výsledky

Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.

Uchovajte úplný binárny výsledok a hlavičky. Ak sa vráti JSON alebo viacero výstupov, uchovajte každú dátovú položku a stiahnite obsah z každej skutočnej podpísanej URL súboru.

Ak treba overiť pôvodnú odpoveď

Uchovajte pôvodné operation_id/X-Client-Request-ID na zosúladenie záznamov bez opätovného odoslania; neexistuje samostatná trasa na priebežné zisťovanie stavu zvuku.

Polia odpovede

Pole	Typ
Pole`binary audio`	Typbytes
Pole`response headers`	Typheaders

Chyby a ďalšie kroky

Odpoveď	Podmienka	Ďalší krok
Odpoveď400 · `invalid_request_error`	PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra	Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia.
Odpoveď`server_error`	PodmienkaVrátená odpoveď uvádza, že operáciu alebo výsledok je potrebné skontrolovať	Ďalší krokUchovajte pôvodné vrátené ID operácie/úlohy, hlavičky požiadavky a odpoveď; naďalej čítajte údaje o tejto pôvodnej operácii podporovaným spôsobom. Požiadavku na vytvorenie znova neodosielajte.

Aliasy

Aliasy modelov

Ailoot Ultra elevenlabs/eleven-flash-v2

Aliasy ciest metód

Použite cesty metód uvedené vyššie.

Súvisiace ID na volanie

elevenlabs/eleven-flash-v2

FAQ · ElevenLabs: Eleven Flash v2

Aké vstupy a výsledky sú dostupné?: POST /v1/audio/speech · elevenlabs/eleven-flash-v2: text → audio
Aké polia používa požiadavka?: POST /v1/audio/speech · elevenlabs/eleven-flash-v2: model, input, voice, response_format
Aké limity platia?: POST /v1/audio/speech · elevenlabs/eleven-flash-v2: input.maximum_length: 30000

ElevenLabs: Eleven Flash v2