ElevenLabs: Eleven v4 Turbo

Eleven v4 Turbo เปลี่ยนข้อความเป็นเสียงที่ถ่ายทอดอารมณ์สำหรับการสนทนาสด ผู้ช่วยเสียง และตัวละครโต้ตอบ โดยรักษาช่วงอารมณ์กับคำสั่งเสียงของตระกูล v4 พร้อมใช้โปรไฟล์สตรีมมิงที่ลงทะเบียนเสียงหนึ่งเสียงต่อการเชื่อมต่อ

Ailoot Ultra · การสังเคราะห์เสียงพูด POST /v1/audio/speech elevenlabs/eleven-v4-turbo

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

Eleven v4 Turbo เป็นรุ่นสังเคราะห์เสียงที่ถ่ายทอดอารมณ์ของ ElevenLabs ซึ่งออกแบบสำหรับการสนทนาเรียลไทม์และคำตอบของตัวแทนเสียง โมเดลรับข้อความและคืนเสียงพูด โดยนำช่วงอารมณ์ของตระกูล v4 มาใช้ในเวิร์กโฟลว์เชิงโต้ตอบ ผู้พัฒนาแยกจุดประสงค์จาก v4 ทั่วไปที่ปรับให้เหมาะกับเนื้อหาผลิตและการบรรยาย คำตอบงานสนับสนุน คำอธิบายของผู้ช่วย และบทตัวละครโต้ตอบเป็นการใช้งาน Turbo ที่ระบุไว้

เวิร์กโฟลว์สตรีมมิงสองทางของผู้พัฒนารับข้อความระหว่างที่สร้าง และคืนเสียงก่อนคำพูดทั้งหมดมาถึงได้ ช่วยลดความจำเป็นที่จะต้องรอย่อหน้าเสร็จก่อนเริ่มพูด นี่คือขั้นข้อความเป็นเสียง คำในคำตอบถูกส่งให้โมเดลสังเคราะห์ ส่วนการฟังผู้โทร ตัดสินใจว่าจะทำอะไร และตรวจการพูดแทรก เป็นหน้าที่แยกของแอปพลิเคชันตัวแทนเสียงที่อยู่รอบโมเดล

โปรไฟล์ Text to Dialogue WebSocket ตามเอกสารลงทะเบียนเสียงสำหรับ v4 Turbo ได้หนึ่งเสียงเท่านั้น ต่างจากโปรไฟล์ v4 ที่รองรับได้สูงสุดสิบเสียงที่ลงทะเบียน การเชื่อมต่อหนึ่งเส้นส่งรอบการพูดต่อเนื่องด้วยเสียงที่เลือกได้ โดยสัญญาณรอบใหม่รีเซ็ตทำนองเสียงตรงขอบเขตรอบ เตรียมตัวตนเสียงผู้พูดที่ชัดเจนหนึ่งแบบสำหรับผู้ช่วย และรักษาให้สม่ำเสมอแม้เนื้อหากับโทนเปลี่ยนระหว่างสนทนา

สตรีมมิงยังต้องมีข้อความพอที่จะสร้างเซกเมนต์เสียงที่มีประโยชน์ คู่มืออธิบายบัฟเฟอร์ฝั่งผู้พัฒนาประมาณ 40 อักขระและแปดคำก่อนเริ่มเสียงบางส่วน บัฟเฟอร์ที่สั้นกว่าสามารถสั่งส่งออกได้โดยไม่จบการเชื่อมต่อ เสียงมาถึงเป็นชังก์ที่เข้ารหัส Base64 ซึ่งแอปพลิเคชันถอดรหัสสำหรับเล่นหรือรวบรวมเป็นไฟล์ได้ ข้อมูลจัดแนวอาจแนบมากับชังก์เมื่อมีการขอและมีให้ใช้ สิ่งเหล่านี้เป็นรายละเอียดเวิร์กโฟลว์ของผู้พัฒนา ไม่ใช่การรับประกันความหน่วงตายตัวหรือระยะเวลาที่แน่นอนของแต่ละคำพูด

แท็กเสียงและบริบทสนทนาชี้นำการถ่ายทอด คำยืนยันอาจฟังยินดี คำอธิบายฟังใส่ใจ และการแก้ไขฟังสงบ โดยยังใช้เสียงเดียวกัน วางคำสั่งด้านเสียงใกล้คำที่เกี่ยวข้อง ตัวอย่างคือ “[warm] ขั้นตอนนั้นเสร็จแล้ว [pause] มาตรวจรายการถัดไปกัน” คำพูดต้องสื่อผลลัพธ์ที่ถูกต้องอยู่แล้ว แท็กปรับวิธีที่ผู้ฟังได้ยินผล ไม่ใช่เติมข้อเท็จจริงที่ขาด

ตระกูลโมเดล v4 รองรับมากกว่า 90 ภาษา โดยตัวอย่างตามเอกสารมีอังกฤษ ฝรั่งเศส เยอรมัน ญี่ปุ่น สเปน โปรตุเกส และรัสเซีย ElevenLabs อธิบายตัวตนผู้พูดที่เสถียรข้ามรอบสนทนาและภาษา และรองรับ Professional Voice Clones ทั้ง v4 กับ v4 Turbo การเตรียมหรือโคลนเสียงเป็นขั้นแยกจากการสังเคราะห์คำตอบ เลือกเสียงและภาษาเป้าหมายอย่างชัดเจน และรักษาชื่อ คำศัพท์ และรูปคำพูดที่ต้องการให้สม่ำเสมอตลอดบทสนทนา

ตัวเลือกรูปแบบตามเอกสาร ElevenLabs มี MP3 สำหรับฟังทั่วไป, PCM หรือ WAV แบบไม่บีบอัดสำหรับงานผลิตเสียง และ μ-law สำหรับโทรศัพท์ รูปแบบเอาต์พุตที่เลือกกำหนดอัตราสุ่มตัวอย่างและการเข้ารหัสในเวิร์กโฟลว์ผู้พัฒนา สำหรับผู้ช่วย ให้เลือกรูปแบบตามปลายทางการเล่น แทนการขอให้บทระบุการเข้ารหัส ตรวจชื่อและคำย่อสำคัญด้วยเสียงที่เลือก และเขียนข้อความที่จะพูดให้ชัดเจน ผู้พัฒนาอธิบาย Stability และ Similarity เป็นการตั้งค่าเสียงของ v4 ทั้งสองรุ่นย่อย ส่วนตัวเลื่อน Style และ Speed ไม่มีในโปรไฟล์นี้ ใช้ข้อความคำพูดและคำสั่งเสียงปรับการถ่ายทอด

ข้อกำหนดงานสนทนาที่ใช้ได้จริงเริ่มจากคำตอบกระชับซึ่งมีผลลัพธ์หนึ่งเรื่องและขั้นตอนถัดไปชัดเจนหนึ่งอย่าง เช่น “ยืนยันว่าได้รับเอกสารแล้ว จากนั้นอธิบายรายละเอียดเดียวที่ยังต้องการ ใช้น้ำเสียงสงบเป็นมิตรและรักษาชื่อเอกสารให้ตรงทุกคำ” แบ่งคำตอบยาวตามขอบเขตที่มีความหมาย และคงบริบทสนทนารอบข้าง ประเมินความชัดเจน จุดเริ่มและจบของแต่ละรอบ รวมถึงอารมณ์ว่าเหมาะกับข้อความหรือไม่ ผลงานคือเสียงแบบสตรีมหรือที่รวบรวมไว้สำหรับข้อความที่ป้อนกับเสียงที่เลือก แยกจากขั้นใช้เหตุผลและการฟังของแอปพลิเคชัน

Ailoot Ultra · การสังเคราะห์เสียงพูด POST /v1/audio/speech elevenlabs/eleven-v4-turbo

elevenlabs/eleven-v4-turbo

ElevenLabs /elevenlabs/eleven-v4-turbo

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-v4-turbo	ค่าเริ่มต้น—
ฟิลด์`input`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด ความยาวขั้นต่ำ: 1 ความยาวสูงสุด: 10,000 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`	ข้อกำหนด10000
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 v4 Turbo

ราคาตามการตั้งค่า

การตั้งค่า	เงื่อนไขคิดค่าบริการ	ค่าบริการ
การตั้งค่าElevenLabs: Eleven v4 Turbo · 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-v4-turbo", "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-v4-turbo

ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

elevenlabs/eleven-v4-turbo

FAQ · ElevenLabs: Eleven v4 Turbo

มีอินพุตและผลลัพธ์ใดบ้าง?: POST /v1/audio/speech · elevenlabs/eleven-v4-turbo: text → audio
คำขอใช้ฟิลด์ใดบ้าง?: POST /v1/audio/speech · elevenlabs/eleven-v4-turbo: model, input, voice, response_format
มีข้อจำกัดใดบ้าง?: POST /v1/audio/speech · elevenlabs/eleven-v4-turbo: input.maximum_length: 10000

ElevenLabs: Eleven v4 Turbo