ElevenLabs: Eleven Multilingual v2

إليفن متعدد اللغات v2 هو نموذج تحويل النص إلى كلام من إليفن لابز، ويُقدَّم عبر api14 تحت معرّف النموذج elevenlabs/eleven-multilingual-v2. يقع في فئة الكلام وهو مصمم لتحويل النص المكتوب إلى صوت منطوق. تضع إليفن لابز هذا النموذج كأداة لسرد طويل متماسك وواقعي، وهذا يوضح موضعه المقصود: قراءة متواصلة بدل المقاطع القصيرة العابرة.

يأخذ النموذج النص كمدخل وحيد له ويعيد الكلام كمخرج وحيد له. يدعم 29 لغة، لذا يمكن لنموذج واحد تغطية المشاريع متعددة اللغات دون التنقل بين أصوات أو أنظمة منفصلة. يصفه المزوّد بأنه مناسب للسرد الطويل مثل التعليق الصوتي والكتب الصوتية، وهو يقبل طلبات تصل إلى 10,000 حرف. تتوفر مجموعة من الأصوات المسماة، وتشمل george و sarah و adam و alice و bella و bill و brian و callum و charlie و chris و daniel و eric و harry و jessica و laura و liam و lily و matilda و river و roger و will. لا يوجد طول سياق منشور بالوحدات الرمزية لهذا النموذج، وقائمة المعاملات المدعومة فارغة، لذا خطط بناء على حد الأحرف واختيار الصوت بدل التحكم في أخذ العينات أو الوحدات الرمزية.

تتبع الاستخدامات العملية مباشرة من تلك السمات. الكتب الصوتية والتعليق الصوتي الطويل هي الأنسب، لأن التماسك عبر نص طويل هو القوة المعلنة. السرد متعدد اللغات لدورات التعلم الإلكتروني أو شروحات المنتجات أو المحتوى بأسلوب الأفلام الوثائقية هو حالة طبيعية أخرى، لأن النموذج نفسه يتعامل مع جميع اللغات الـ 29. يمكنك أيضا استخدامه للمقالات المسموعة، أو النسخ الصوتية من الوثائق، أو حوار الشخصيات حيث تخصص أصواتا مسماة مختلفة لمتحدثين مختلفين. أي شيء يحتاج إلى صوت قراءة طبيعي وثابت عبر مقطع طويل هو مرشح معقول.

استدعاؤه عبر api14 يعمل مثل أي نموذج آخر على البوابة: أرسل طلبا إلى نقطة النهاية المتوافقة مع OpenAI مع ضبط حقل model على elevenlabs/eleven-multilingual-v2، وتأتي الاستجابة ككلام. ولأن قائمة المعاملات المدعومة فارغة، لا توجد مقابض ضبط موثقة مثل temperature أو top_p لتعيينها؛ المدخلات ذات المعنى هي النص نفسه واختيار الصوت. تحقق من جدول الأسعار المباشر على الصفحة لمعرفة الأسعار الحالية قبل أن تلتزم بحجم عمل معين.

أحد القيود الجديرة بالملاحظة هو سقف الطلب البالغ 10,000 حرف، ما يعني أن النصوص الطويلة جدا تحتاج إلى تقسيم إلى طلبات متعددة، ويصبح التماسك بين تلك الأجزاء شيئا تديره بنفسك. إذا كانت مهمتك توليد نص أو ترجمة أو تفريغ صوتي أو أي شيء آخر غير إنتاج الكلام، فهذا النموذج ليس الأداة المناسبة، لأنه يقبل النص فقط ويعيد الصوت فقط. لأعمال الكلام ضمن حد الأحرف، هو خيار مباشر.