ElevenLabs: Eleven Flash v2

إيليفن فلاش v2 هو نموذج تحويل النص إلى كلام من إيليفن لابز، مُدرج على api14 ضمن فئة الكلام. وهو نموذج باللغة الإنجليزية فقط، مُصمم لتوليف فائق انخفاض زمن الاستجابة، مما يضعه في الجزء الخاص بالزمن الحقيقي والمحادثات من تشكيلة إيليفن لابز، بدلاً من الأصوات الإنتاجية الأعلى دقة لدى الشركة.

يأخذ النموذج النص كمدخل وحيد له، ويعيد الكلام كمخرج وحيد له. وهو لا يقبل الصور أو الصوت أو أي مدخلات أخرى غير نصية، ولا يولّد نصاً. لا تُدرج بطاقة النموذج طول سياق بالرموز، لذا لا توجد نافذة رموز للتخطيط حولها؛ القيد العملي على المدخلات هو حد الطلب البالغ 30,000 حرف لكل استدعاء. تتوفر واحد وعشرون صوتاً مُسمّى: george، وsarah، وadam، وalice، وbella، وbill، وbrian، وcallum، وcharlie، وchris، وdaniel، وeric، وharry، وjessica، وlaura، وliam، وlily، وmatilda، وriver، وroger، وwill. اختيار الصوت هو الرافعة الرئيسية التي تملكها على المخرجات، نظراً لعدم كشف أي معاملات توليد أخرى.

تشير تلك الخصائص إلى مجموعة استخدامات محددة إلى حد كبير. ولأن زمن الاستجابة هو الأولوية والنموذج باللغة الإنجليزية فقط، فهو يناسب وكلاء الصوت الذين يجيبون ويردّون في محادثة مباشرة، والردود المنطوقة في واجهات الدردشة أو المساعد، وميزات القراءة بصوت عالٍ حيث تكون وقفة ثانية أو أكثر ملحوظة. المطالبات القصيرة والتأكيدات وسرد القوائم والحوار التبادلي مناسبة بطبيعتها، وحد الـ 30,000 حرف سخي في تلك الحالات. أما السرد الأطول والكتب الصوتية والمحتوى الذي تكون فيه جودة الأداء أهم من زمن الاستجابة فتُخدم بشكل أفضل بنماذج إيليفن لابز الأخرى، وأي سير عمل يحتاج لغة غير الإنجليزية سيحتاج نموذجاً مختلفاً تماماً.

تستدعي النموذج عبر واجهة api14 المتوافقة مع OpenAI باستخدام معرّف النموذج "elevenlabs/eleven-flash-v2". يحمل جسم الطلب نصك والصوت الذي تريده. لا تُدرج بطاقة النموذج أي معاملات مدعومة تتجاوز قائمة الأصوات، لذا لا يوجد شيء آخر لضبطه: لا حرارة، ولا أدوات تحكم في السرعة أو الأسلوب، ولا خيارات أخذ عينات. إذا كانت شيفرتك تتحدث بالفعل واجهة الدردشة أو الصوت في OpenAI، فإن توجيه حقل النموذج إلى هذا المعرّف وتزويد النص هو التكامل بأكمله.

الأمور الرئيسية التي يجب الانتباه إليها هي اللغة والنطاق. الإنجليزية فقط تعني أن النص غير الإنجليزي خارج النطاق، وغياب المعاملات القابلة للضبط يعني أنك لا تستطيع تعديل الأداء من الطلب؛ اختر الصوت الصحيح مسبقاً بدلاً من ذلك. إذا كنت بحاجة إلى مخرجات متعددة اللغات، أو سرد أطول، أو تحكم أدق في كيفية sounding الكلام، فاختر نموذجاً مختلفاً.