ElevenLabs: Eleven v3 Conversational

Eleven v3 Conversational là mô hình giọng nói giàu biểu cảm của ElevenLabs cho đối thoại trực tiếp. Mô hình chuyển văn bản đã soạn thành âm thanh với cách thể hiện theo ngữ cảnh và thẻ âm thanh, hỗ trợ hơn 70 ngôn ngữ trong quy trình truyền luồng của nhà sản xuất tách biệt với lời dẫn v3 thông thường.

Ailoot Ultra · Tổng hợp giọng nói POST /v1/audio/speech elevenlabs/eleven-v3-conversational

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 v3 Conversational là phiên bản tổng hợp giọng nói của ElevenLabs cho đối thoại thời gian thực. Mô hình nhận văn bản lời đáp đã soạn và trả về âm thanh lời nói, với phạm vi cảm xúc và cách thể hiện theo ngữ cảnh của họ v3. Nhà sản xuất xác định phiên bản này riêng với Eleven v3 thông thường và đưa vào quy trình truyền luồng Text to Dialogue. Vai trò hữu ích là giọng của trợ lý hoặc nhân vật tương tác có câu nói tiếp theo phụ thuộc vào hội thoại trước đó.

Mô hình hỗ trợ hơn 70 ngôn ngữ, gồm tiếng Anh, Pháp, Đức, Nhật, Hàn, Tây Ban Nha, Bồ Đào Nha và Nga. Chọn ngôn ngữ của lời đáp viết sẵn và giọng có chất giọng vùng miền phù hợp. Với kịch bản hỗ trợ đa ngôn ngữ, điều chỉnh câu chữ thành lời nói tự nhiên trước khi gửi để tổng hợp. Mô hình đọc nội dung được cung cấp; suy luận quyết định lời đáp và mọi diễn giải đầu vào micro của người dùng là các bước riêng của ứng dụng.

Thẻ âm thanh cung cấp khả năng điều khiển chi tiết cảm xúc và cách thể hiện. Câu trả lời trấn an, câu hỏi tò mò và phản ứng nhân vật kịch tính cần các cách thể hiện khác nhau ngay cả khi lời ngắn. Giữ tín hiệu gần câu nói mà nó tác động và giữ đủ ngữ cảnh để giải thích chuyển biến cảm xúc. Yêu cầu minh họa có thể nói: “Xác nhận việc sửa đổi một cách ấm áp, rồi giải thích bước tiếp theo bằng giọng đều, chú tâm.” Lời đáp cần vẫn hiểu được mà không phụ thuộc tín hiệu để cung cấp thông tin còn thiếu.

Trong quy trình WebSocket đối thoại được công bố, ứng dụng gửi văn bản và nhận các đoạn âm thanh mã hóa Base64 trong khi kết nối vẫn mở qua các câu. Nhà sản xuất đệm đủ văn bản cho một đoạn lời nói mạch lạc; các mẩu rất ngắn có thể chờ thêm ngữ cảnh hoặc chờ bộ đệm được chủ động đẩy ra. Ranh giới lượt có thể đặt lại ngữ điệu, còn thay đổi người nói đánh dấu lượt mới. Những đặc điểm này hướng dẫn cách soạn cụm lời hoàn chỉnh thay vì các từ riêng lẻ cho phản hồi tương tác.

Hướng dẫn đối thoại dùng chung công bố thông tin căn chỉnh tùy chọn trên các đoạn âm thanh khi được yêu cầu và có sẵn. Căn chỉnh có thể giúp liên hệ lời nói với văn bản, nhưng không phải cam kết một câu nói quy định trước sẽ có một thời lượng cố định. Chọn định dạng đầu ra của nhà sản xuất để phát hoặc thu thành tệp; họ định dạng TTS dùng chung gồm MP3 và PCM, với mã hóa điện thoại có trong quy trình liên quan. Kết nối đối thoại và yêu cầu toàn bộ lời nói để ghi sẵn là các chế độ khác nhau, nên các giả định chuẩn bị và thời gian cần giữ riêng.

Về phát âm, viết đầy đủ chữ viết tắt mơ hồ và viết số ở dạng đọc dự kiến khi nếu không làm vậy thì ý nghĩa sẽ không rõ. Giữ tên và thuật ngữ lặp lại nhất quán. Không chuyển cú pháp IPA gốc của mô hình v4 hoặc mức trần yêu cầu v3 thông thường chỉ vì tên họ mô hình tương tự. Chọn giọng cho vai trò hội thoại, rồi kiểm tra một câu đại diện về độ rõ và mức phù hợp cảm xúc trước khi tiếp tục kịch bản.

Với phản hồi trợ lý thực tế, dùng một ý chính, kết quả rõ và kết thúc tự nhiên để người dùng trả lời. Ví dụ: “Ghi nhận địa chỉ giao hàng mới, đọc lại rõ tên đường và hỏi người dùng có muốn đổi địa chỉ đã lưu không.” Với nhân vật, giữ hình tượng đã thiết lập trong khi làm phản ứng phù hợp cảnh hiện tại. Chia giải thích dài tại ranh giới câu có ý nghĩa và giữ ngữ cảnh hội thoại trước đó. Sản phẩm là âm thanh lời nói cho lời đáp được cung cấp, không phải bản chép lời người gọi hoặc quyết định được tự tạo độc lập.

Ailoot Ultra · Tổng hợp giọng nói POST /v1/audio/speech elevenlabs/eleven-v3-conversational

elevenlabs/eleven-v3-conversational

ElevenLabs /elevenlabs/eleven-v3-conversational

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-v3-conversational	Mặc định—
Trường`input`	Loại`string`	Yêu cầuBắt buộc	Giá trị & giới hạn Độ dài tối thiểu: 1 Độ dài tối đa: 5.000 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 đồng5000
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 v3 Conversational

Giá theo cấu hình

Cấu hình	Điều kiện tính phí	Phí
Cấu hìnhElevenLabs: Eleven v3 Conversational · 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-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

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-v3-conversational

Bí danh đường dẫn phương thức

Dùng các đường dẫn phương thức hiển thị ở trên.

ID gọi liên quan

elevenlabs/eleven-v3-conversational

FAQ · ElevenLabs: Eleven v3 Conversational

Có những đầu vào và kết quả nào?: POST /v1/audio/speech · elevenlabs/eleven-v3-conversational: text → audio
Yêu cầu sử dụng những trường nào?: POST /v1/audio/speech · elevenlabs/eleven-v3-conversational: model, input, voice, response_format
Áp dụng những giới hạn nào?: POST /v1/audio/speech · elevenlabs/eleven-v3-conversational: input.maximum_length: 5000

ElevenLabs: Eleven v3 Conversational