ElevenLabs: Eleven v4 Turbo

Eleven v4 Turbo chuyển văn bản thành giọng nói giàu biểu cảm cho hội thoại trực tiếp, trợ lý giọng nói và nhân vật tương tác. Mô hình giữ phạm vi cảm xúc và chỉ dẫn âm thanh của họ v4, đồng thời dùng cấu hình truyền luồng dựa trên một giọng được đăng ký mỗi kết nối.

Ailoot Ultra · Tổng hợp giọng nói POST /v1/audio/speech elevenlabs/eleven-v4-turbo

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 v4 Turbo là phiên bản tổng hợp giọng nói giàu biểu cảm của ElevenLabs được thiết kế cho hội thoại thời gian thực và phản hồi của tác nhân giọng nói. Mô hình nhận văn bản và trả về âm thanh lời nói, đưa phạm vi cảm xúc của họ v4 vào quy trình tương tác. Nhà sản xuất phân biệt mục đích này với v4 thông thường, được tinh chỉnh cho nội dung sản xuất và lời dẫn. Phản hồi hỗ trợ, lời giải thích của trợ lý và câu thoại nhân vật tương tác là các ứng dụng Turbo được nêu.

Quy trình truyền luồng hai chiều của nhà sản xuất có thể nhận văn bản khi đang được tạo và trả về âm thanh trước khi toàn bộ câu nói đến nơi. Điều này giảm nhu cầu chờ một đoạn văn hoàn tất trước khi bắt đầu nói. Đây là bước chuyển văn bản thành âm thanh: các từ của lời đáp được cung cấp cho mô hình tổng hợp. Nghe người gọi, quyết định hành động cần làm và phát hiện ngắt lời là các chức năng riêng của ứng dụng tác nhân giọng nói bao quanh.

Hồ sơ Text to Dialogue WebSocket được công bố đăng ký đúng một giọng cho v4 Turbo. Điều này khác với hồ sơ v4 hỗ trợ tối đa mười giọng được đăng ký. Một kết nối có thể mang các lượt liên tiếp bằng giọng đã chọn, với tín hiệu lượt mới đặt lại ngữ điệu tại ranh giới lượt. Chuẩn bị một danh tính người nói rõ ràng cho trợ lý và giữ nhất quán trong khi nội dung, sắc thái thay đổi qua hội thoại.

Truyền luồng vẫn cần đủ văn bản để tạo một đoạn lời nói hữu ích. Hướng dẫn mô tả bộ đệm phía nhà sản xuất khoảng 40 ký tự và tám từ trước khi âm thanh từng phần bắt đầu; có thể chủ động đẩy phần đang đệm ngắn hơn ra mà không kết thúc kết nối. Âm thanh đến dưới dạng các đoạn mã hóa Base64 mà ứng dụng có thể giải mã để phát hoặc gom vào tệp. Thông tin căn chỉnh có thể đi kèm đoạn khi được yêu cầu và có sẵn. Đây là chi tiết quy trình của nhà sản xuất, không phải bảo đảm độ trễ cố định hoặc thời lượng chính xác cho một câu nói riêng lẻ.

Thẻ âm thanh và ngữ cảnh hội thoại hướng dẫn cách thể hiện. Lời xác nhận có thể nghe vui, lời giải thích chăm chú và lời sửa chữa điềm tĩnh trong khi giữ cùng một giọng. Đặt chỉ dẫn về cách thể hiện gần các từ liên quan. Một câu minh họa có thể là: “[warm] Bước đó đã hoàn tất. [pause] Hãy kiểm tra mục tiếp theo.” Ngay bản thân câu chữ phải truyền đạt đúng kết quả; các thẻ định hình cách nghe kết quả thay vì cung cấp nội dung sự kiện còn thiếu.

Họ mô hình v4 hỗ trợ hơn 90 ngôn ngữ, với tiếng Anh, Pháp, Đức, Nhật, Tây Ban Nha, Bồ Đào Nha và Nga trong số ví dụ được công bố. ElevenLabs mô tả danh tính người nói ổn định qua các lượt và ngôn ngữ, đồng thời hỗ trợ Professional Voice Clones trong cả v4 và v4 Turbo. Chuẩn bị hoặc sao chép giọng là bước riêng với tổng hợp lời đáp. Chọn rõ giọng và ngôn ngữ đích, đồng thời giữ tên riêng, thuật ngữ và dạng đọc mong muốn nhất quán suốt đối thoại.

Tùy chọn định dạng ElevenLabs công bố gồm MP3 để nghe thông thường, PCM hoặc WAV không nén cho âm thanh sản xuất và μ-law cho điện thoại. Định dạng đầu ra đã chọn quyết định tần số lấy mẫu và mã hóa mà quy trình nhà sản xuất dùng. Với trợ lý, chọn định dạng theo nơi phát thay vì yêu cầu kịch bản chỉ định mã hóa. Kiểm tra tên và chữ viết tắt quan trọng bằng giọng đã chọn, rồi viết rõ câu chữ cần đọc trong văn bản. Nhà sản xuất mô tả Stability và Similarity là thiết lập giọng cho cả hai biến thể v4; thanh trượt Style và Speed không có trong hồ sơ này. Dùng văn bản lời nói và chỉ dẫn âm thanh để định hình cách thể hiện.

Yêu cầu hội thoại thực tế bắt đầu bằng lời đáp gọn có một kết quả và một bước tiếp theo rõ ràng. Ví dụ: “Xác nhận đã nhận tài liệu, rồi giải thích một chi tiết còn cần cung cấp. Dùng cách nói điềm tĩnh, thân thiện và giữ chính xác tên tài liệu.” Chia câu trả lời dài tại các ranh giới có ý nghĩa và giữ ngữ cảnh hội thoại xung quanh. Đánh giá độ rõ ràng, đầu và cuối mỗi lượt, cùng việc cảm xúc có phù hợp với thông điệp hay không. Sản phẩm là lời nói truyền luồng hoặc được thu lại từ văn bản được cung cấp và giọng đã chọn, tách biệt với các bước suy luận, lắng nghe của ứng dụng.

Ailoot Ultra · Tổng hợp giọng nói POST /v1/audio/speech elevenlabs/eleven-v4-turbo

elevenlabs/eleven-v4-turbo

ElevenLabs /elevenlabs/eleven-v4-turbo

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-v4-turbo	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 $0.00008 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 v4 Turbo

Giá theo cấu hình

Cấu hình	Điều kiện tính phí	Phí
Cấu hìnhElevenLabs: Eleven v4 Turbo · 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-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

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-v4-turbo

Bí danh đường dẫn phương thức

Dùng các đường dẫn phương thức hiển thị ở trên.

ID gọi liên quan

elevenlabs/eleven-v4-turbo

FAQ · ElevenLabs: Eleven v4 Turbo

Có những đầu vào và kết quả nào?: POST /v1/audio/speech · elevenlabs/eleven-v4-turbo: text → audio
Yêu cầu sử dụng những trường nào?: POST /v1/audio/speech · elevenlabs/eleven-v4-turbo: model, input, voice, response_format
Áp dụng những giới hạn nào?: POST /v1/audio/speech · elevenlabs/eleven-v4-turbo: input.maximum_length: 10000

ElevenLabs: Eleven v4 Turbo