ElevenLabs: Eleven Turbo v2.5

Eleven Turbo v2.5 es un modelo de texto a voz de ElevenLabs, listado en api14 dentro de la categoría speech. Está hecho por ElevenLabs y se identifica en la plataforma con el id de modelo elevenlabs/eleven-turbo-v2.5. Se sitúa en la línea Turbo, que está posicionada en torno a la baja latencia, por lo que está dirigido a desarrolladores que necesitan generar voz rápidamente y no a la renderización por lotes sin conexión, donde la velocidad no importa.

El modelo toma texto como su única entrada y produce voz como su única salida. Admite 32 idiomas, lo que lo convierte en una opción razonable cuando tu aplicación atiende a usuarios que no hablan inglés, y el proveedor lo describe como un equilibrio entre calidad y velocidad para casos de uso de desarrolladores que necesitan idiomas distintos del inglés. Incluye un conjunto de voces con nombre: george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger y will. La descripción del proveedor menciona un límite de 40.000 caracteres en la entrada, por lo que los pasajes largos deben dividirse antes de enviarse. No se publica ninguna longitud de contexto en tokens para este modelo, y no se indica que se admita ningún parámetro de solicitud.

Los usos prácticos se derivan de texto de entrada y voz de salida, con baja latencia y amplia cobertura de idiomas. Recurrirías a él al integrar salida de voz en una aplicación: leer respuestas en voz alta en un asistente, generar narración o versiones de audio de contenido escrito, producir indicaciones y anuncios para sistemas de voz interactivos, o crear versiones habladas de material para usuarios que prefieren escuchar. La lista de voces con nombre significa que puedes elegir una voz coherente por producto, por idioma o por personaje sin entrenar nada tú mismo. Como la entrada está limitada por el recuento de caracteres, se adapta mejor a enunciados, párrafos y guiones cortos que a libros enteros en una sola solicitud.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo elevenlabs/eleven-turbo-v2.5, por lo que las bibliotecas cliente de OpenAI existentes y las formas de solicitud funcionan con la URL base de la plataforma. El modelo acepta entrada de texto y devuelve salida de voz. No se indica que se admita ningún parámetro de solicitud para este modelo, así que cuenta con enviar el texto y el id de modelo, y consulta la documentación en vivo sobre cómo se pasa la selección de voz antes de construir en torno a un parámetro específico. La página muestra una tabla de precios en vivo, así que consulta esa para conocer las tarifas actuales en lugar de confiar en cualquier cosa escrita aquí.

Hay un par de casos en los que otro modelo puede encajar mejor. Si tu carga de trabajo es solo en inglés y no necesitas la cobertura de otros idiomas, un modelo de voz diferente puede ser una opción más cercana. Si necesitas manejo de contexto basado en tokens o un amplio conjunto de parámetros de solicitud ajustables, este modelo no los anuncia, y un modelo con una longitud de contexto publicada y una lista de parámetros más completa sería más fácil de integrar. El límite de entrada de 40.000 caracteres también significa que los documentos muy largos deben dividirse en fragmentos y unirse por tu parte.