ElevenLabs: Eleven Flash v2.5

Eleven Flash v2.5 chuyển văn bản thành giọng nói cho lời đáp tương tác đa ngôn ngữ và ứng dụng giọng nói. Mô hình hỗ trợ 32 ngôn ngữ và tối đa 40.000 ký tự mỗi yêu cầu, với đặc tính phản hồi nhanh được phát huy khi số và tên được chuẩn bị ở dạng cần đọc thành tiếng.

Ailoot Ultra · Tổng hợp giọng nói POST /v1/audio/speech elevenlabs/eleven-flash-v2.5

Về mô hình

Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.

Eleven Flash v2.5 là mô hình chuyển văn bản thành giọng nói đa ngôn ngữ của ElevenLabs, được thiết kế cho ứng dụng thời gian thực và tương tác. Mô hình biến lời đáp văn bản được cung cấp thành âm thanh lời nói, cân bằng khả năng phản hồi nhanh với cách thể hiện tự nhiên và đặc điểm giọng nhất quán. Nhà sản xuất nêu các ứng dụng điển hình gồm tác nhân giọng nói, chatbot, trò chơi và ứng dụng cần phản hồi tức thì, cùng chuyển văn bản thành giọng nói ở quy mô lớn hơn.

Mô hình hỗ trợ 32 ngôn ngữ: tập 29 ngôn ngữ của Multilingual v2 cộng thêm tiếng Hungary, Na Uy và Việt. Tập được công bố bao gồm tiếng Anh, Nhật, Trung, Đức, Hindi, Pháp, Hàn, Bồ Đào Nha, Ý, Tây Ban Nha, Indonesia, Hà Lan, Thổ Nhĩ Kỳ, Filipino, Ba Lan, Thụy Điển, Bulgaria, Romania, Ả Rập, Séc, Hy Lạp, Phần Lan, Croatia, Mã Lai, Slovak, Đan Mạch, Tamil, Ukraina và Nga. Điều này khác với Flash v2 chỉ dành cho tiếng Anh. Chọn ngôn ngữ kịch bản và giọng vùng miền tương ứng thay vì cho rằng chất giọng tiếng Anh là lựa chọn phù hợp cho mọi bản địa hóa.

Một yêu cầu hỗ trợ tối đa 40.000 ký tự. Nhà sản xuất đưa ra thời lượng âm thanh ước tính cùng bảng ký tự, nhưng giới hạn ký tự không phải độ dài bản ghi âm cố định. Tốc độ nói, ngôn ngữ, dấu câu và cách thể hiện của giọng làm thay đổi thời lượng. Với phản hồi trực tiếp, dùng các cụm lời hoàn chỉnh ngắn hơn nhiều; với bản ghi dài hơn, chia kịch bản thành các phần có ý nghĩa và giữ ngữ cảnh quanh ranh giới. Mức trần ký tự cao hữu ích cho việc chuẩn bị nguồn, nhưng không khiến lời đáp dài liên tục trở nên dễ nghe.

Chuẩn hóa số là một khác biệt đáng kể ở mô hình này. Phần tài liệu cụ thể về Flash v2.5 nói rằng chuẩn hóa bị tắt theo mặc định trong cấu hình độ trễ thấp, và số điện thoại, ngày tháng hoặc ký hiệu tiền tệ có thể bị đọc theo cách không mong đợi. Chuẩn bị dạng đọc dự kiến trước khi tổng hợp. Xác định một số là số lượng, mã tham chiếu hay các chữ số cần đọc riêng từng chữ số. Với ngày tháng, viết tháng và ngày theo cách người nghe cần nghe; với chữ viết tắt, cung cấp dạng đầy đủ khi cần đọc thành từ.

Có thể hướng dẫn phát âm bằng cách viết lại hoặc bí danh trong từ điển. Hướng dẫn từ điển của nhà sản xuất dành quy tắc âm vị cho các mô hình có tên v4, v3 và Flash v2, đồng thời khuyến nghị bí danh cho các phiên bản khác, nên không được mặc nhiên coi Flash v2.5 là kế thừa khả năng hỗ trợ thẻ âm vị của Flash v2. Giữ cách phát âm mong muốn cho các tên và thuật ngữ xuất hiện lặp lại, rồi kiểm tra bằng giọng đã chọn. Nếu văn mô tả cảm xúc được chèn làm chỉ dẫn trong văn bản thông thường, chính đoạn đó có thể bị đọc thành tiếng; hãy soạn kịch bản cuối cùng rõ ràng cho bản ghi mong muốn.

Quy trình TTS dùng chung hỗ trợ âm thanh truyền luồng và tạo toàn bộ lời nói. Họ định dạng bao gồm MP3, PCM 16 bit không nén, μ-law và A-law cho điện thoại, cùng Opus. Chọn định dạng theo nơi phát và giữ văn bản đã tạo sẵn có bên cạnh âm thanh. Các điều khiển giọng của ElevenLabs có thể ảnh hưởng đến tính nhất quán và tốc độ, còn câu chữ và dấu câu trong kịch bản cung cấp phần lớn nhịp điệu dự kiến. Đây là các tùy chọn trong quy trình của nhà sản xuất, tách biệt với giả định rằng mọi điều khiển đều được cung cấp trong một ứng dụng cụ thể. Hướng dẫn sản phẩm hỗ trợ rõ ràng khoảng nghỉ SSML cho Flash v2.5, ví dụ <break time="1.5s" />, với khoảng nghỉ tối đa ba giây. Quá nhiều thẻ break có thể ảnh hưởng đến tốc độ hoặc tạo tạp âm ngoài ý muốn. Điều khiển speed dùng chung có phạm vi từ 0.7 đến 1.2, với 1.0 giữ nguyên tốc độ.

Với trợ lý, soạn một kết quả rõ ràng và một bước tiếp theo trong câu mang tính hội thoại. Một câu thực tế có thể xác nhận thao tác đã hoàn tất, rồi giải thích một trường còn cần cung cấp. Với trò chơi hoặc bài hướng dẫn, giữ chỉ dẫn đủ ngắn để hiểu khi người dùng đang thực hiện hoạt động. Trong dự án đa ngôn ngữ, điều chỉnh cách diễn đạt thực tế thay vì chỉ thay từ vựng, đồng thời giữ ý nghĩa của tên, hành động và điều kiện.

Kiểm tra một đoạn đại diện có chứa phần khó của kịch bản: tên, mã định danh, ngày tháng hoặc lời giải thích dài hơn. Kiểm tra độ dễ hiểu, chất giọng vùng miền, nhịp đọc và liệu số có được đọc đúng cách dự kiến hay không. Theo tài liệu nhà sản xuất, việc tổng hợp không tất định, nên bản thể hiện cụ thể có thể khác nhau ngay cả với đầu vào tương tự. Giữ âm thanh đã chọn và phần chuẩn bị văn bản để đọc làm sản phẩm có thể tái sử dụng cho thông báo, phản hồi trợ giúp, nhân vật tương tác hoặc lời giải thích được ghi âm.

Ailoot Ultra · Tổng hợp giọng nói POST /v1/audio/speech elevenlabs/eleven-flash-v2.5

elevenlabs/eleven-flash-v2.5

ElevenLabs /elevenlabs/eleven-flash-v2.5

Bắt đầu

Đầu vào được chấp nhận: Văn bản
Kết quả: Âm thanh

Có trên Ailoot · đầu vào & phương thức

Ailoot Ultra · Tổng hợp giọng nói POST /v1/audio/speech

Đầu vào: text
Đầu ra: audio
Định dạng đầu ra: mp3

Trường	Loại	Yêu cầu	Giá trị & giới hạn	Mặc định
Trường`model`	Loại`string`	Yêu cầuBắt buộc	Giá trị & giới hạn elevenlabs/eleven-flash-v2.5	Mặc định—
Trường`input`	Loại`string`	Yêu cầuBắt buộc	Giá trị & giới hạn Độ dài tối thiểu: 1 Độ dài tối đa: 40.000 Đơn vị: ký tự Unicode	Mặc định—
Trường`voice`	Loại`string`	Yêu cầuBắt buộc	Giá trị & giới hạn george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will	Mặc định—
Trường`response_format`	Loại`string`	Yêu cầuBắt buộc	Giá trị & giới hạn mp3	Mặc định—

Tổ hợp tư liệu đầu vào

text_to_speech · Bắt buộc: input

Tham số phương thức và vòng đời

Tham số	Hợp đồng
Tham số`content_type`	Hợp đồngapplication/json
Tham số`required`	Hợp đồngmodel, input, voice, response_format
Tham số`voice_ids`	Hợp đồnggeorge, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will
Tham số`response_format`	Hợp đồngmp3
Tham số`max_input_characters`	Hợp đồng40000
Tham số`other_options`	Hợp đồngfalse
Tham số`input`	Hợp đồngvăn bản UTF-8 nguyên dạng; đếm ký tự Unicode mà không chuẩn hóa
Tham số`material_types`	Hợp đồngtext

Vòng đời: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Giá trị task_id thực tế đã trả về hoặc bản ghi trong thư viện nội dung đa phương tiện

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Chọn giọng nói chính xác từ hồ sơ mô hình này.

Ký tự đầu vào và giây âm thanh là các đơn vị đo tính phí khác nhau.

Bảng giá

Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.

Chế độ nhanh: Chưa chỉ định Khi chọn chế độ nhanh
Chế độ Flex: Chưa chỉ định Khi chọn chế độ flex
Mức độ suy luận tối đa: Chưa chỉ định Khi áp dụng mức điều chỉnh mặc định (default) cho mức độ suy luận tối đa

Mức phí Ailoot

Giá theo cấu hình

Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.

Cấu hình	Biểu mức phí	Đơn vị tính phí	Phí
Cấu hìnhGiá cơ sở cho token	Biểu mức phíMức phí cơ bản	Đơn vị tính phí—	Phí Đầu vào · Token đầu vào — / 1K token Đầu ra · Token đầu ra — / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token
Cấu hìnhKý tự đầu vào	Biểu mức phí—	Đơn vị tính phímỗi ký tự đầu vào	Phí Đầu vào · Ký tự đầu vào $0.00008 mỗi ký tự đầu vào

Chi tiết giá cước tham chiếu

Biểu tham chiếu cấp mô hình không thay đổi việc chọn phương thức, báo giá hoặc khoản phí. Khoản phí đang áp dụng dùng mức phí phương thức Ailoot đã chọn.

ElevenLabs: Eleven Flash v2.5

Giá theo cấu hình

Cấu hình	Điều kiện tính phí	Phí
Cấu hìnhElevenLabs: Eleven Flash v2.5 · Cấu hình mặc định	Điều kiện tính phíCấu hình mặc định	Phí Đầu vào · Ký tự đầu vào 0,00004 US$ mỗi ký tự đầu vào

Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →

Ví dụ yêu cầu

Ailoot Ultra · Tổng hợp giọng nói

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-v2.5", "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

Nhận và lưu kết quả

Ailoot Ultra · Tổng hợp giọng nói

mp3

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

Lượt đọc nội dung khác

Thư viện phương tiệnTrạng thái tác vụChi tiết tài nguyên

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

Lưu tất cả kết quả đã hoàn tất

Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.

Giữ lại toàn bộ kết quả nhị phân và các header. Nếu phản hồi ở dạng JSON hoặc chứa nhiều đầu ra, giữ lại mọi phần tử dữ liệu và tải từng tài nguyên từ URL có chữ ký thực tế.

Nếu cần kiểm tra phản hồi gốc

Giữ lại operation_id/X-Client-Request-ID gốc để đối soát mà không gửi lại yêu cầu; không có tuyến truy vấn trạng thái riêng cho âm thanh.

Trường phản hồi

Trường	Loại
Trường`binary audio`	Loạibytes
Trường`response headers`	Loạiheaders

Lỗi và bước tiếp theo

Phản hồi	Điều kiện	Bước tiếp theo
Phản hồi400 · `invalid_request_error`	Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ	Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới.
Phản hồi`server_error`	Điều kiệnPhản hồi trả về cho biết thao tác hoặc kết quả cần được kiểm tra	Bước tiếp theoGiữ lại ID thao tác/tác vụ gốc đã trả về, các header của yêu cầu và toàn bộ phản hồi; tiếp tục truy xuất thao tác gốc đó bằng các phương thức được hỗ trợ. Không gửi lại yêu cầu tạo.

Bí danh

Bí danh mô hình

Ailoot Ultra elevenlabs/eleven-flash-v2.5

Bí danh đường dẫn phương thức

Dùng các đường dẫn phương thức hiển thị ở trên.

ID gọi liên quan

elevenlabs/eleven-flash-v2.5

FAQ · ElevenLabs: Eleven Flash v2.5

Có những đầu vào và kết quả nào?: POST /v1/audio/speech · elevenlabs/eleven-flash-v2.5: text → audio
Yêu cầu sử dụng những trường nào?: POST /v1/audio/speech · elevenlabs/eleven-flash-v2.5: model, input, voice, response_format
Áp dụng những giới hạn nào?: POST /v1/audio/speech · elevenlabs/eleven-flash-v2.5: input.maximum_length: 40000

ElevenLabs: Eleven Flash v2.5