ElevenLabs: Eleven Multilingual v2

Eleven Multilingual v2 tạo giọng nói tự nhiên, nhất quán từ văn bản bằng 29 ngôn ngữ. ElevenLabs định vị mô hình cho lời dẫn dài, khóa học, sách nói và nội dung đa ngôn ngữ, với giới hạn 10.000 ký tự mỗi yêu cầu và khả năng điều chỉnh chất giọng vùng miền, cách thể hiện thông qua giọng đã chọn.

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

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 Multilingual v2 là mô hình chuyển văn bản thành giọng nói của ElevenLabs cho lời dẫn tự nhiên, nhạy với cảm xúc và nhất quán. Mô hình nhận kịch bản viết sẵn và trả về âm thanh lời nói, trong đó giọng đã chọn quyết định phần lớn nét riêng và chất giọng vùng miền. Nhà sản xuất nhấn mạnh tính ổn định khi tạo nội dung dài hơn, nội dung chuyên nghiệp, lồng tiếng nhân vật, học trực tuyến và dự án đa ngôn ngữ. Đây là mô hình tổng hợp giọng nói, tách biệt với công cụ đổi giọng Multilingual Speech to Speech có tên tương tự.

Tập ngôn ngữ được công bố gồm 29 ngôn ngữ: 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. Soạn kịch bản thực tế bằng một ngôn ngữ được hỗ trợ trước khi tổng hợp, thay vì kỳ vọng mô hình giọng nói dịch kịch bản.

Mô hình được thiết kế để giữ các đặc điểm và cá tính của người nói đã chọn qua các ngôn ngữ được hỗ trợ. Chất giọng vùng miền vẫn phụ thuộc nhiều vào giọng: ElevenLabs khuyến nghị giọng được huấn luyện bằng ngôn ngữ đích và chất giọng địa phương tương ứng, vì giọng không bản ngữ có thể giữ chất giọng gốc hoặc bị lệch. Với khóa học được bản địa hóa, giữ vai trò người dẫn và sắc thái chung trong khi điều chỉnh cấu trúc câu, thuật ngữ và phát âm cho người nghe. Việc dùng chung một danh tính giọng không loại bỏ nhu cầu kiểm tra cách thể hiện bằng ngôn ngữ đích.

Giới hạn mỗi yêu cầu là 10.000 ký tự. Tài liệu dài hơn có thể được chia thành các chương hoặc phần liên kết với nhau; quy trình TTS dùng chung của nhà sản xuất ghi nhận việc dùng văn bản trước và sau, hoặc ngữ cảnh của yêu cầu liền kề, để giữ ngữ điệu giữa các đoạn. Chia tại ranh giới câu có ý nghĩa và mang theo đủ ngữ cảnh xung quanh cho đầu và cuối đoạn. Số phút ước tính mỗi yêu cầu của nhà sản xuất không phải cam kết thời lượng cố định, vì từ ngữ, ngôn ngữ và nhịp đọc quyết định độ dài bản ghi âm được chọn.

Cách thể hiện bám theo ý nghĩa văn bản, ngữ cảnh kể chuyện, dấu câu và giọng đã chọn. Stability kiểm soát mức biến thiên và phạm vi cảm xúc; similarity kiểm soát mức độ kết quả giống giọng đó. Hướng dẫn sản phẩm dùng chung mô tả phạm vi speed từ 0.7 đến 1.2, với 1.0 giữ nguyên tốc độ. Độ ổn định cao có thể nghe tiết chế hoặc đơn điệu, trong khi độ ổn định quá thấp có thể khiến cách thể hiện thất thường. Đoạn văn mô tả cách thể hiện có thể bị đọc thành tiếng, nên hãy soạn kịch bản cuối cùng thay vì chèn các chỉ dẫn không bao giờ nên được nghe.

Quy trình tạo khoảng nghỉ của mô hình này hỗ trợ thẻ break SSML, khác với v3 và v4. Nhà sản xuất đưa ra <break time="1.5s" /> làm cách yêu cầu khoảng nghỉ tự nhiên và ghi nhận khoảng nghỉ tối đa ba giây. Quá nhiều thẻ break có thể làm thay đổi tốc độ hoặc tạo tạp âm ngoài ý muốn, và giọng đã chọn có thể ảnh hưởng đến cách khoảng nghỉ được thể hiện. Dùng khoảng nghỉ tại điểm chuyển có ý nghĩa, chẳng hạn sau định nghĩa hoặc trước phần tiếp theo của chỉ dẫn được đọc.

Multilingual v2 không hỗ trợ thẻ âm vị theo hướng dẫn phát âm của nhà sản xuất. Dùng bí danh trong từ điển hoặc cách viết thay thế đã chuẩn bị để chỉ ra dạng đọc mong muốn của tên, từ viết tắt hoặc thuật ngữ kỹ thuật. ElevenLabs cũng mô tả mô hình này xử lý số tự nhiên hơn Flash v2.5, trong khi hướng dẫn chuẩn bị vẫn khuyến nghị viết các số, ngày tháng và ký hiệu quan trọng thành từ cần được đọc. Mã tham chiếu và số lượng cần cách đọc khác nhau dù các chữ số viết ra trông giống nhau.

Họ định dạng âm thanh của nhà sản xuất bao gồm MP3 để phân phối, PCM 16 bit không nén cho công việc sản xuất, μ-law và A-law cho điện thoại, cùng Opus. Quy trình TTS dùng chung ghi nhận việc tạo toàn bộ lời nói và truyền luồng. Chọn đầu ra theo nơi sử dụng dự kiến và giữ kịch bản, giọng cùng bản ghi đã chọn với nhau. Một chương sách nói, lời dẫn doanh nghiệp và bài học ngắn có thể dùng cùng mục đích của mô hình nhưng cần nhịp đọc và cách chia đoạn khác nhau.

Với bài học thực tế, viết phần mở đầu, định nghĩa, ví dụ và chuyển ý thành các đoạn lời nói hoàn chỉnh. Đánh dấu thuật ngữ cần phát âm nhất quán và dùng khoảng nghỉ tự nhiên sau khái niệm cốt lõi. Kiểm tra một phần đại diện có tên riêng, số và câu dài hơn, chú ý chất giọng vùng miền, độ dễ hiểu và liệu cách thể hiện có giữ ổn định qua ranh giới giữa các phần hay không. Sản phẩm hữu ích là bản ghi lời dẫn nhất quán có thể đưa vào khóa học, sách nói hoặc video cùng kịch bản nguồn.

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

elevenlabs/eleven-multilingual-v2

ElevenLabs /elevenlabs/eleven-multilingual-v2

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-multilingual-v2	Mặc định—
Trường`input`	Loại`string`	Yêu cầuBắt buộc	Giá trị & giới hạn Độ dài tối thiểu: 1 Độ dài tối đa: 10.000 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 đồng10000
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 $0.00016 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 Multilingual v2

Giá theo cấu hình

Cấu hình	Điều kiện tính phí	Phí
Cấu hìnhElevenLabs: Eleven Multilingual v2 · Cấu hình mặc định	Điều kiện tính phíCấu hình mặc định	Phí Đầu vào · Ký tự đầu vào 0,00008 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-multilingual-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

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-multilingual-v2

Bí danh đường dẫn phương thức

Dùng các đường dẫn phương thức hiển thị ở trên.

ID gọi liên quan

elevenlabs/eleven-multilingual-v2

FAQ · ElevenLabs: Eleven Multilingual v2

Có những đầu vào và kết quả nào?: POST /v1/audio/speech · elevenlabs/eleven-multilingual-v2: text → audio
Yêu cầu sử dụng những trường nào?: POST /v1/audio/speech · elevenlabs/eleven-multilingual-v2: model, input, voice, response_format
Áp dụng những giới hạn nào?: POST /v1/audio/speech · elevenlabs/eleven-multilingual-v2: input.maximum_length: 10000

ElevenLabs: Eleven Multilingual v2