ElevenLabs: Eleven Turbo v2.5

Eleven Turbo v2.5 เป็นรุ่นแปลงข้อความเป็นเสียงหลายภาษาของ ElevenLabs สำหรับแอปพลิเคชันเสียงที่ต้องตอบสนองรวดเร็ว รองรับ 32 ภาษาและสูงสุด 40,000 อักขระต่อคำขอ API โดยเปลี่ยนคำตอบที่เตรียมไว้เป็นเสียงพูดตามเสียงผู้พูดที่เลือก

Ailoot Ultra · การสังเคราะห์เสียงพูด POST /v1/audio/speech elevenlabs/eleven-turbo-v2.5

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

Eleven Turbo v2.5 เป็นโมเดลแปลงข้อความเป็นเสียงหลายภาษาของ ElevenLabs สำหรับคำพูดเชิงโต้ตอบ โมเดลรับข้อความคำพูดที่เตรียมไว้และสร้างเสียงตามเสียงผู้พูดที่เลือก ผู้ผลิตวางตำแหน่งสำหรับแอปพลิเคชันความหน่วงต่ำและส่วนติดต่อแบบสนทนา ต่างจาก Turbo v2 ที่ใช้ภาษาอังกฤษเท่านั้น รุ่นนี้รองรับบทหลายภาษา แต่ไม่ได้สร้างคำตอบของแอปพลิเคชันหรือถอดเสียงบันทึกที่ผู้ใช้ส่งเข้ามา

ชุด 32 ภาษาประกอบด้วย 29 ภาษาของ Multilingual v2 บวกฮังการี นอร์เวย์ และเวียดนาม ภาษาตามเอกสารมีอังกฤษ ญี่ปุ่น จีน เยอรมัน ฮินดี ฝรั่งเศส เกาหลี โปรตุเกส อิตาลี สเปน อินโดนีเซีย ดัตช์ ตุรกี ฟิลิปิโน โปแลนด์ สวีเดน บัลแกเรีย โรมาเนีย อาหรับ เช็ก กรีก ฟินแลนด์ โครเอเชีย มลายู สโลวัก เดนมาร์ก ทมิฬ ยูเครน และรัสเซีย เตรียมถ้อยคำที่เป็นธรรมชาติในภาษาเป้าหมาย และเลือกเสียงที่มีสำเนียงเหมาะกับผู้ฟัง

FAQ ผลิตภัณฑ์ TTS ฉบับเต็มของผู้พัฒนาระบุชัดว่า Turbo v2.5 มีเพดานอินพุต API 40,000 อักขระ ความยาวเสียงบันทึกโดยประมาณที่ให้คู่กันไม่ใช่ระยะเวลาที่แน่นอน เพราะเสียง ภาษา และอัตราการพูดกำหนดความยาวเทคจริง สำหรับคำตอบสนทนา ให้ความคิดสั้นที่สมบูรณ์ แทนการเติมอินพุตจนเต็ม สำหรับเนื้อหายาว ให้แบ่งบทเป็นส่วนที่เกี่ยวข้องกันและรักษาบริบทรอบข้าง

ElevenLabs อธิบาย Turbo v2.5 กับ Flash v2.5 ว่าเป็นโมเดลของผู้พัฒนาที่เทียบเท่ากันด้านฟังก์ชัน โดย Flash มีความหน่วงเฉลี่ยต่ำกว่า ทั้งสองยังมีชื่อและโมเดลการ์ดแยกกัน การเปรียบเทียบนี้ไม่ได้ยืนยันค่าน้ำหนักหรือเวลาตอบสนองของรันไทม์ใดโดยเฉพาะ Turbo v2.5 ยังเป็นขอบเขตโมเดลสังเคราะห์หลายภาษาที่มีชื่อชัดเจนและมีประโยชน์ เมื่องานหรือแอปพลิเคชันบันทึกว่าใช้รุ่นนี้ตรงตัว ควรเก็บข้อมูลเตรียมเสียงและข้อความคู่กับผลที่เลือกเมื่อเปรียบเทียบการถ่ายทอด

การเตรียมออกเสียงสำคัญที่สุดกับชื่อ รหัสอ้างอิง วันที่ และคำย่อ เขียนตัวเลขแยกทีละหลักเมื่อผู้ฟังต้องพูดรหัสซ้ำ และขยายวลีเมื่อมิฉะนั้นความหมายที่พูดจะกำกวม ใช้การสะกดทางเลือกหรือชื่อแทนการออกเสียงอย่างสม่ำเสมอสำหรับชื่อยากที่ใช้ซ้ำ คู่มือพจนานุกรมไม่ได้ระบุ Turbo v2.5 ในโมเดลที่ใช้กฎ phoneme จึงไม่นำคุณสมบัติ IPA โดยตรงหรือ phoneme ของรุ่นอื่นที่ระบุชื่อมาใช้กับขอบเขตนี้

โทนและจังหวะมาจากข้อความ เครื่องหมายวรรคตอน เสียง และการตั้งค่าเสียงของผู้พัฒนา คู่มือผลิตภัณฑ์ร่วมอธิบาย stability สำหรับความสม่ำเสมอ similarity สำหรับความคล้ายคลึง และ speed ตั้งแต่ 0.7 ถึง 1.2 โดย 1.0 คือความเร็วเดิม ภาษาเดิมและจังหวะการพูดของเสียงอาจมีผลต่อผลลัพธ์หลายภาษา คำแนะนำอารมณ์ที่เขียนเป็นคำบรรยายธรรมดาอาจถูกอ่านเองได้ ส่วนการควบคุมแท็กเสียงของ v3 กับ v4 เป็นคุณสมบัติของโมเดลแยกต่างหาก เตรียมคำตอบพูดที่สะอาดและทำให้อารมณ์ที่ต้องการชัดเจนจากถ้อยคำ

เวิร์กโฟลว์ TTS ร่วมระบุการสร้างเสียงเต็มรูปแบบและเสียงสตรีม กลุ่มรูปแบบมี MP3, PCM 16 บิตแบบไม่บีบอัด, μ-law และ A-law สำหรับโทรศัพท์ รวมถึง Opus เลือกรูปแบบให้เหมาะกับปลายทางการเล่น และเก็บบทไว้คู่กับเสียงที่เลือก สตรีมมิงเกี่ยวกับวิธีส่งเสียงที่สร้างแล้ว แยกจากการฟังผู้ใช้ ตรวจรอบสนทนา หรือตัดสินใจว่าผู้ช่วยควรทำอะไร

สำหรับคำตอบผู้ช่วยหลายภาษาที่ใช้ได้จริง ให้ยืนยันผลลัพธ์หนึ่งเรื่องและบอกขั้นตอนถัดไปหนึ่งอย่าง คำแนะนำในบทสอนอาจระบุชื่อส่วนควบคุมที่ผู้ใช้ควรใช้ และอธิบายสิ่งที่จะเกิดหลังเลือก ปรับถ้อยคำตามแต่ละภาษาโดยรักษาชื่อกับการกระทำจริง แทนการแปลประโยคที่ไม่เป็นธรรมชาติแบบตรงตัว ตรวจประโยคที่เป็นตัวแทนในด้านการออกเสียง สำเนียง ความเข้าใจง่าย และการต่อจากรอบก่อน ผลที่นำกลับมาใช้ได้คือเทคเสียงที่ผูกกับบท เสียงผู้พูด และรุ่น Turbo v2.5 ที่ตรงกัน

Ailoot Ultra · การสังเคราะห์เสียงพูด POST /v1/audio/speech elevenlabs/eleven-turbo-v2.5

elevenlabs/eleven-turbo-v2.5

ElevenLabs /elevenlabs/eleven-turbo-v2.5

เริ่มต้น

อินพุตที่รองรับ: ข้อความ
ผลลัพธ์: เสียง

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot Ultra · การสังเคราะห์เสียงพูด POST /v1/audio/speech

ขาเข้า: text
ขาออก: audio
รูปแบบเอาต์พุต: mp3

ฟิลด์	ประเภท	ข้อกำหนด	ค่าและข้อจำกัด	ค่าเริ่มต้น
ฟิลด์`model`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด elevenlabs/eleven-turbo-v2.5	ค่าเริ่มต้น—
ฟิลด์`input`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด ความยาวขั้นต่ำ: 1 ความยาวสูงสุด: 40,000 หน่วย: อักขระ Unicode	ค่าเริ่มต้น—
ฟิลด์`voice`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will	ค่าเริ่มต้น—
ฟิลด์`response_format`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด mp3	ค่าเริ่มต้น—

ชุดผสมของสื่ออินพุต

text_to_speech · จำเป็น: input

พารามิเตอร์และวงจรการทำงานของเมธอด

พารามิเตอร์	ข้อกำหนด
พารามิเตอร์`content_type`	ข้อกำหนดapplication/json
พารามิเตอร์`required`	ข้อกำหนดmodel, input, voice, response_format
พารามิเตอร์`voice_ids`	ข้อกำหนดgeorge, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will
พารามิเตอร์`response_format`	ข้อกำหนดmp3
พารามิเตอร์`max_input_characters`	ข้อกำหนด40000
พารามิเตอร์`other_options`	ข้อกำหนดfalse
พารามิเตอร์`input`	ข้อกำหนดข้อความ UTF-8 ที่ตรงตามต้นฉบับ นับอักขระ Unicode โดยไม่ปรับรูปแบบมาตรฐาน
พารามิเตอร์`material_types`	ข้อกำหนดtext

วงจรการทำงาน: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · ค่า task_id ที่ส่งกลับมาจริง หรือระเบียนในคลังสื่อ

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

เลือกเสียงที่ตรงตามโปรไฟล์ของโมเดลนี้

อักขระขาเข้าและวินาทีเสียงเป็นหน่วยวัดคนละแบบ

ราคา

ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก

โหมดรวดเร็ว: ไม่ได้ระบุ เมื่อเลือกโหมดรวดเร็ว
โหมดยืดหยุ่น: ไม่ได้ระบุ เมื่อเลือกโหมด flex
ระดับการใช้เหตุผลสูงสุด: ไม่ได้ระบุ เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด

อัตราค่าบริการ Ailoot

ราคาตามการตั้งค่า

เทียบค่าบริการแต่ละรายการกับเงื่อนไขที่แสดง เลือกใช้อัตราเดียวสำหรับแต่ละชุดการตั้งค่าที่เป็นตัวเลือกทดแทนกัน

การตั้งค่า	ตารางอัตราค่าบริการ	หน่วยคิดค่าบริการ	ค่าบริการ
การตั้งค่าอัตราค่าบริการโทเคนพื้นฐาน	ตารางอัตราค่าบริการอัตราพื้นฐาน	หน่วยคิดค่าบริการ—	ค่าบริการ ขาเข้า · โทเค็นอินพุต — / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต — / 1K โทเค็น ขาเข้า · การอ่านแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น
การตั้งค่าอักขระขาเข้า	ตารางอัตราค่าบริการ—	หน่วยคิดค่าบริการต่ออักขระอินพุต	ค่าบริการ ขาเข้า · อักขระขาเข้า $0.00008 ต่ออักขระอินพุต

รายละเอียดอัตราอ้างอิง

ตารางอัตราอ้างอิงระดับโมเดลไม่เปลี่ยนเมธอดที่เลือก ยอดประมาณการ หรือค่าบริการ การคิดค่าบริการจริงใช้อัตราของเมธอด Ailoot ที่เลือก

ElevenLabs: Eleven Turbo v2.5

ราคาตามการตั้งค่า

การตั้งค่า	เงื่อนไขคิดค่าบริการ	ค่าบริการ
การตั้งค่าElevenLabs: Eleven Turbo v2.5 · การตั้งค่าเริ่มต้น	เงื่อนไขคิดค่าบริการการตั้งค่าเริ่มต้น	ค่าบริการ ขาเข้า · อักขระอินพุต US$0.00004 ต่ออักขระอินพุต

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →

ตัวอย่างคำขอ

Ailoot Ultra · การสังเคราะห์เสียงพูด

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-turbo-v2.5", "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

รับและบันทึกผลลัพธ์

Ailoot Ultra · การสังเคราะห์เสียงพูด

mp3

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

การอ่านเนื้อหาแบบอื่น

คลังสื่อสถานะงานรายละเอียดไฟล์สื่อ

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

เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บผลลัพธ์ไบนารีและส่วนหัวให้ครบถ้วน หากได้รับ JSON/ผลลัพธ์หลายรายการ ให้เก็บข้อมูลทุกรายการและดึงไฟล์สื่อจาก URL แบบลงนามทุกรายการที่ได้รับจริง

เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ operation_id/X-Client-Request-ID เดิมไว้เพื่อกระทบยอดโดยไม่ส่งคำขอซ้ำ ไม่มีเส้นทางเฉพาะสำหรับตรวจสอบสถานะงานเสียงเป็นระยะ

ฟิลด์การตอบกลับ

ฟิลด์	ประเภท
ฟิลด์`binary audio`	ประเภทbytes
ฟิลด์`response headers`	ประเภทheaders

ข้อผิดพลาดและขั้นตอนถัดไป

การตอบกลับ	เงื่อนไข	ขั้นตอนถัดไป
การตอบกลับ400 · `invalid_request_error`	เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง	ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่
การตอบกลับ`server_error`	เงื่อนไขการตอบกลับที่ได้รับระบุว่าต้องตรวจสอบการดำเนินการหรือผลลัพธ์	ขั้นตอนถัดไปเก็บ ID การดำเนินการ/งานที่ส่งกลับมาแต่เดิม ส่วนหัวของคำขอ และการตอบกลับไว้ แล้วอ่านข้อมูลการดำเนินการเดิมนั้นต่อด้วยวิธีที่รองรับ ห้ามส่งคำขอสร้างซ้ำ

ชื่ออื่น

ชื่ออื่นของโมเดล

Ailoot Ultra elevenlabs/eleven-turbo-v2.5

ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

elevenlabs/eleven-turbo-v2.5

FAQ · ElevenLabs: Eleven Turbo v2.5

มีอินพุตและผลลัพธ์ใดบ้าง?: POST /v1/audio/speech · elevenlabs/eleven-turbo-v2.5: text → audio
คำขอใช้ฟิลด์ใดบ้าง?: POST /v1/audio/speech · elevenlabs/eleven-turbo-v2.5: model, input, voice, response_format
มีข้อจำกัดใดบ้าง?: POST /v1/audio/speech · elevenlabs/eleven-turbo-v2.5: input.maximum_length: 40000

ElevenLabs: Eleven Turbo v2.5