ElevenLabs: Eleven v3

Eleven v3 tổng hợp lời nói giàu cảm xúc từ kịch bản, với thẻ âm thanh chèn trong văn bản và chế độ đối thoại của nhà sản xuất. Mô hình hỗ trợ hơn 70 ngôn ngữ và giới hạn 5.000 ký tự mỗi yêu cầu cho lời dẫn, cảnh nhân vật và phần thể hiện khác coi trọng cách diễn đạt.

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

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 là mô hình chuyển văn bản thành giọng nói giàu biểu cảm của ElevenLabs cho đối thoại cảm xúc, trao đổi giữa nhân vật và lời dẫn sách nói. Mô hình chuyển kịch bản viết sẵn thành âm thanh lời nói và dùng ngữ cảnh để định hình phạm vi cảm xúc, cách thể hiện. Nhà sản xuất hỗ trợ cả lời nói một giọng và quy trình đối thoại nhiều người nói. Thẻ này nói về phiên bản có tên v3, tách biệt với v3 Conversational và họ v4 ra đời sau.

Thẻ âm thanh chèn trong văn bản có thể hướng dẫn cảm xúc, cách thể hiện giọng và phản ứng phi ngôn ngữ. Nhà sản xuất đưa ra ví dụ như [sad], [angry], [happily], [whispers], [shouts], [laughs], [clears throat] và [sighs]. Đặt tín hiệu gần các từ hoặc phản ứng cần tác động. Với cảnh kể chuyện, viết chuyển biến cảm xúc vào đối thoại thực tế và dùng thẻ làm rõ âm thanh mong muốn, thay vì dựa vào mô tả cảnh tách rời.

V3 không hỗ trợ thẻ SSML <break>. Hướng dẫn prompt dùng thẻ âm thanh, dấu câu, dấu ba chấm và cấu trúc văn bản cho khoảng nghỉ, nhịp đọc. Cách này cung cấp chỉ dẫn thể hiện thay vì thỏa thuận thời gian chính xác. Với câu do dự, dấu ba chấm và tín hiệu giọng liên quan có thể làm rõ sự ngập ngừng mong muốn. Nếu bản ghi phải khớp dòng thời gian chính xác, dùng bản thể hiện đã chọn và quy trình chỉnh sửa để đặt vào đó thay vì coi thẻ nghỉ là đơn vị thời lượng cố định.

Lựa chọn giọng vẫn quan trọng. Hướng dẫn được công bố nói rằng cách thể hiện đã có trong tài liệu huấn luyện của giọng dễ tái tạo hơn, còn yêu cầu bất thường có thể kém đáng tin cậy hơn. Ghép giọng phù hợp với nhân vật hoặc người dẫn và kiểm tra liệu thẻ đã chọn có tạo cách thể hiện mong muốn hay không. Phần hướng dẫn prompt v3 hiện tại nói rằng Professional Voice Clones chưa được tối ưu hoàn toàn cho phiên bản này; cải tiến sao chép giọng và điều khiển phát âm gốc được công bố của v4 là tính năng riêng của phiên bản đó. Hướng dẫn sản phẩm cũng đánh dấu Speed, Similarity và Speaker Boost không có cho v3 thông thường. Chuẩn bị nhịp và cách thể hiện qua giọng, thẻ, dấu câu, cấu trúc văn bản thay vì kế thừa thanh trượt của phiên bản khác.

Eleven v3 hỗ trợ hơn 70 ngôn ngữ, gồm tiếng Anh, Pháp, Đức, Nhật, Hàn, Tây Ban Nha, Bồ Đào Nha và Nga. Chọn giọng phù hợp với ngôn ngữ, chất giọng vùng miền và soạn câu chữ thực tế cần đọc trước khi tổng hợp. Hỗ trợ ngôn ngữ không tự dịch kịch bản. Với cảnh nhân vật được bản địa hóa, giữ ý định và phản ứng của người nói trong khi điều chỉnh câu chữ tự nhiên cho người nghe.

Một yêu cầu chuyển văn bản thành giọng nói hỗ trợ tối đa 5.000 ký tự. Chia kịch bản dài hơn tại ranh giới cảnh hoặc lời dẫn hoàn chỉnh để mỗi đoạn có đầu và cuối rõ ràng. Nhà sản xuất cung cấp chế độ create và stream cho lời nói cũng như chế độ create và stream cho đối thoại. Với đối thoại, gắn từng lượt với người nói dự kiến và giữ thứ tự. Giữ đủ văn bản xung quanh cùng thay đổi cảm xúc để chuyển biến có thể hiểu được.

Quy trình âm thanh dùng chung của nhà sản xuất cung cấp MP3, PCM và mã hóa điện thoại như μ-law, với các định dạng bổ sung liệt kê trong hướng dẫn TTS. Từ điển phát âm cung cấp cách giữ tên và thuật ngữ kỹ thuật nhất quán. Hướng dẫn từ điển nêu rõ v3 cho quy tắc âm vị và giới hạn phần mở rộng ngữ âm đa ngôn ngữ ở v4; điều đó không biến cú pháp IPA gốc được bọc trong dấu gạch chéo của v4 thành tính năng v3. Chuẩn bị cách viết quan trọng hoặc bí danh dùng để đọc và kiểm tra kết quả bằng giọng đã chọn.

Với yêu cầu thể hiện thực tế, cung cấp một tập hoàn chỉnh thay vì dàn ý: phần giới thiệu của người dẫn, câu thoại thực tế của nhân vật và phản ứng khép lại cảnh. Chỉ rõ nội dung nào được nói, phản ứng giọng nằm ở đâu và hướng cảm xúc của từng nhịp diễn. Kiểm tra phát âm, danh tính giọng, việc vô tình đọc chỉ dẫn và chuyển tiếp giữa người nói. Kết quả là bản ghi giàu biểu cảm của kịch bản được cung cấp, với bản thể hiện đã chọn có thể tái sử dụng hoặc sửa trong dự án âm thanh.

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

elevenlabs/eleven-v3

ElevenLabs /elevenlabs/eleven-v3

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	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 $0.00016 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 v3

Giá theo cấu hình

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

Bí danh đường dẫn phương thức

Dùng các đường dẫn phương thức hiển thị ở trên.

ID gọi liên quan

elevenlabs/eleven-v3

FAQ · ElevenLabs: Eleven v3

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

ElevenLabs: Eleven v3