ElevenLabs: Eleven Turbo v2

Eleven Turbo v2 ist ein Text-to-Speech-Modell von ElevenLabs, das hier unter der Modell-ID elevenlabs/eleven-turbo-v2 vertrieben wird. Es gehört zur Kategorie Speech und wird von seinem Anbieter als englischsprachiges Text-to-Speech-System mit niedriger Latenz positioniert, das für Entwickler-Anwendungsfälle entwickelt wurde, bei denen Geschwindigkeit zählt und nur Englisch benötigt wird. Wenn Sie ElevenLabs bereits als Voice-Anbieter kennen, ist dies die schnellere Stufe ihres Speech-Portfolios und kein Allzweck-Sprachmodell.

Das Modell nimmt Text als einzige Eingabe und liefert Sprache als einzige Ausgabe. Es wird keine Kontextfenstergröße dafür veröffentlicht, daher ist es kein Modell, das Sie anhand von Token-Limits bewerten würden wie ein Chat-Modell. Der Anbieter beschreibt es mit etwa 30.000 Zeichen Eingabe pro Anfrage, was die Dimension ist, die zählt, wenn Sie ein Skript vor der Synthese aufteilen. Es wird mit einem festen Satz benannter Stimmen ausgeliefert: george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger und will. Für diesen Eintrag sind keine unterstützten Anfrageparameter aufgeführt.

Die praktischen Einsatzmöglichkeiten ergeben sich direkt aus niedriger Latenz und englischsprachiger Ausgabe. Interaktive Sprachschnittstellen profitieren am meisten, da die Verzögerung zwischen dem Senden von Text und dem Empfangen von Audio das ist, was Nutzer bemerken. Dasselbe gilt für das Vorlesen von Antworten in einem Assistenten, das Erzeugen von Narration für einen Prototyp oder eine interne Demo, bei der die Bearbeitungszeit wichtiger ist als Studioqualität, und das Erstellen von Audioversionen kurzer englischer Inhalte wie Artikel oder Benachrichtigungen. Da eine einzelne Anfrage bis zu etwa 30.000 Zeichen akzeptiert, können längere Dokumente mit wenigen Aufrufen statt mit vielen kurzen verarbeitet werden, was sowohl den Client-Code als auch das Zusammenfügen des resultierenden Audios vereinfacht.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID elevenlabs/eleven-turbo-v2 auf. Die Anfrageform ist die, die Sie bereits für andere Modelle auf dem Gateway verwenden: Authentifizierung über Ihren api14-Schlüssel, ein JSON-Body mit der Modell-ID und Ihrem Prompt-Text sowie eine Audio-Antwort als Rückgabe. Die Liste der unterstützten Parameter für dieses Modell ist leer, planen Sie also, nur die Modell-ID und den Text zu senden, und wählen Sie eine der benannten Stimmen aus der obigen Liste, statt anzunehmen, dass beliebige Stimmbezeichner akzeptiert werden. Wenn Ihr vorhandener Code unbekannte Felder vor dem Senden entfernt, gibt es nichts zusätzlich zu konfigurieren.

Zwei Einschränkungen sollten Sie abwägen, bevor Sie sich festlegen. Das Modell ist ausschließlich englischsprachig, daher wird jeglicher nicht-englischer Text nicht korrekt verarbeitet, und der Stimmensatz ist fest, was Klonen oder benutzerdefinierte Stimmen über diesen Eintrag ausschließt. Latenz ist der Kompromiss, den der Anbieter eingeht. Wenn Ihre Priorität also ausdrucksstarke oder stark kontrollierte Sprachausgabe statt Geschwindigkeit ist, ist ein anderes Speech-Modell auf api14 wahrscheinlich die bessere Wahl.