ElevenLabs: Eleven v3 Conversational

Eleven v3 Conversational je expresívny hlasový model ElevenLabs pre živý dialóg. Pripravený text mení na zvuk s kontextovým prednesom a zvukovými značkami a podporuje viac než 70 jazykov v streamovacom postupe výrobcu odlišnom od bežného rozprávania v3.

Ailoot Ultra · Syntéza reči POST /v1/audio/speech elevenlabs/eleven-v3-conversational

O modeli

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

Eleven v3 Conversational je verzia syntézy reči od ElevenLabs pre dialóg v reálnom čase. Prijíma text pripravenej odpovede a vracia hovorený zvuk s emocionálnym rozsahom a kontextovým prednesom rodiny v3. Výrobca ju identifikuje oddelene od bežného Eleven v3 a umiestňuje ju do streamovacieho postupu Text to Dialogue. Jej užitočnou úlohou je hlas asistenta alebo interaktívnej postavy, ktorej ďalšia výpoveď závisí od predchádzajúcej konverzácie.

Model podporuje viac než 70 jazykov vrátane angličtiny, francúzštiny, nemčiny, japončiny, kórejčiny, španielčiny, portugalčiny a ruštiny. Zvoľte jazyk písanej odpovede a hlas s vhodným prízvukom. Pri viacjazyčnom scenári podpory prispôsobte znenie prirodzenej hovorenej reči pred odoslaním na syntézu. Model vyslovuje dodaný obsah; uvažovanie určujúce odpoveď aj interpretácia vstupu z mikrofónu používateľa sú samostatné fázy aplikácie.

Zvukové značky poskytujú podrobné ovládanie emócií a prednesu. Uisťujúca odpoveď, zvedavá otázka a dramatická reakcia postavy potrebujú odlišný prednes aj pri krátkych slovách. Podnet držte blízko výpovede, ktorú ovplyvňuje, a zachovajte dostatok kontextu na vysvetlenie emocionálneho posunu. Ilustračné zadanie môže znieť: „Prívetivo potvrďte opravu a potom vysvetlite nasledujúci krok vyrovnaným, pozorným hlasom.“ Odpoveď má zostať zrozumiteľná bez závislosti od podnetu ako náhrady chýbajúcich informácií.

V dokumentovanom dialógovom postupe WebSocket aplikácia posiela text a prijíma zvukové časti zakódované v Base64, pričom spojenie zostáva otvorené medzi replikami. Výrobca uchováva dostatok textu vo vyrovnávacej pamäti pre súvislý segment reči; veľmi krátke útržky môžu čakať na ďalší kontext alebo zámerné odoslanie obsahu pamäte. Hranice replík môžu obnoviť prozódiu, kým zmena hovoriaceho označuje novú repliku. Tieto vlastnosti usmerňujú prípravu úplných fráz namiesto izolovaných slov pre interaktívnu odpoveď.

Spoločná príručka dialógu dokumentuje voliteľné informácie o zarovnaní pri zvukových častiach, ak sú vyžiadané a dostupné. Zarovnanie môže pomôcť priradiť reč k textu, nie je však prísľubom jednej pevnej dĺžky predpísanej výpovede. Vyberte výstupný formát výrobcu pre prehrávanie alebo zhromaždenie do súboru; spoločná rodina formátov TTS zahŕňa MP3 a PCM s telefónnymi kódovaniami dostupnými v príslušnom postupe. Dialógové spojenie a úplná požiadavka vopred nahranej reči sú odlišné režimy, preto ich prípravu a časové predpoklady držte oddelene.

Pri výslovnosti rozviňte nejednoznačné skratky a čísla zapíšte v zamýšľanej hovorenej podobe, ak by inak bol význam nejasný. Mená a opakovanú terminológiu zachovajte konzistentne. Neprenášajte natívnu syntax IPA modelu v4 ani limit požiadavky bežného v3 len pre podobný názov rodiny. Hlas vyberte pre konverzačnú úlohu a pred pokračovaním scenára skontrolujte reprezentatívnu repliku z hľadiska jasnosti a emocionálnej vhodnosti.

Pri praktickej odpovedi asistenta použite jednu hlavnú myšlienku, jasný výsledok a prirodzený koniec umožňujúci používateľovi reagovať. Napríklad: „Potvrďte novú doručovaciu adresu, jasne zopakujte názov ulice a opýtajte sa, či chce používateľ zmeniť uloženú adresu.“ Pri postave zachovajte ustálenú osobnosť a prispôsobte reakciu aktuálnej scéne. Dlhé vysvetlenia rozdeľte na významových hraniciach viet a zachovajte predchádzajúci konverzačný kontext. Výsledkom je hovorený zvuk pre dodanú odpoveď, nie prepis volajúceho ani nezávisle generované rozhodnutie.

Ailoot Ultra · Syntéza reči POST /v1/audio/speech elevenlabs/eleven-v3-conversational

elevenlabs/eleven-v3-conversational

ElevenLabs /elevenlabs/eleven-v3-conversational

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-v3-conversational	Predvolené—
Pole`input`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity Minimálna dĺžka: 1 Maximálna dĺžka: 5 000 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`	Špecifikácia5000
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 v3 Conversational

Ceny podľa konfigurácie

Konfigurácia	Podmienky účtovania	Poplatok
KonfiguráciaElevenLabs: Eleven v3 Conversational · 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-v3-conversational", "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-v3-conversational

Aliasy ciest metód

Použite cesty metód uvedené vyššie.

Súvisiace ID na volanie

elevenlabs/eleven-v3-conversational

FAQ · ElevenLabs: Eleven v3 Conversational

Aké vstupy a výsledky sú dostupné?: POST /v1/audio/speech · elevenlabs/eleven-v3-conversational: text → audio
Aké polia používa požiadavka?: POST /v1/audio/speech · elevenlabs/eleven-v3-conversational: model, input, voice, response_format
Aké limity platia?: POST /v1/audio/speech · elevenlabs/eleven-v3-conversational: input.maximum_length: 5000

ElevenLabs: Eleven v3 Conversational