ElevenLabs: Eleven Turbo v2

Eleven Turbo v2 est un modèle de synthèse vocale d'ElevenLabs, distribué ici sous l'identifiant de modèle elevenlabs/eleven-turbo-v2. Il appartient à la catégorie speech et est positionné par son fournisseur comme un système de synthèse vocale en anglais uniquement et à faible latence, conçu pour des cas d'usage développeur où la vitesse compte et où seul l'anglais est nécessaire. Si vous connaissez déjà ElevenLabs comme fournisseur de voix, il s'agit du palier le plus rapide de leur gamme vocale, et non d'un modèle de langage généraliste.

Le modèle prend du texte comme seule entrée et renvoie de la parole comme seule sortie. Aucune taille de fenêtre de contexte n'est publiée pour lui, ce n'est donc pas un modèle que l'on évalue sur des limites de tokens comme on le ferait pour un modèle de chat. Le fournisseur le décrit autour de 30 000 caractères d'entrée par requête, ce qui est la dimension qui compte lorsque vous découpez un script avant la synthèse. Il est livré avec un ensemble fixe de voix nommées : george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger et will. Aucun paramètre de requête n'est listé comme pris en charge pour cette entrée.

Les usages pratiques découlent directement de la faible latence et de la sortie en anglais uniquement. Les interfaces vocales interactives en bénéficient le plus, puisque le délai entre l'envoi du texte et la réception de l'audio est ce que les utilisateurs remarquent. Il en va de même pour la lecture à voix haute des réponses dans un assistant, la génération de narration pour un prototype ou une démo interne où le temps de réponse compte plus que le rendu studio, et la production de versions audio de contenus anglais courts tels que des articles ou des notifications. Comme une seule requête accepte jusqu'à environ 30 000 caractères, les documents plus longs peuvent être traités en un petit nombre d'appels plutôt qu'en de nombreux appels courts, ce qui simplifie à la fois le code client et l'assemblage de l'audio résultant.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle elevenlabs/eleven-turbo-v2. La forme de la requête est celle que vous utilisez déjà pour d'autres modèles sur la passerelle : authentification via votre clé api14, un corps JSON contenant l'identifiant de modèle et votre texte de prompt, et une réponse audio en retour. La liste des paramètres pris en charge pour ce modèle est vide, prévoyez donc d'envoyer uniquement l'identifiant de modèle et le texte, et sélectionnez l'une des voix nommées de la liste ci-dessus plutôt que de supposer que des identifiants de voix arbitraires seront acceptés. Si votre code existant supprime les champs inconnus avant l'envoi, il n'y a rien de plus à configurer.

Deux limites méritent d'être pesées avant de vous engager. Le modèle est en anglais uniquement, donc tout texte non anglais ne sera pas traité correctement, et l'ensemble de voix est fixe, ce qui exclut le clonage ou les voix personnalisées via cette entrée. La latence est le compromis fait par le fournisseur, donc si votre priorité est une diction expressive ou hautement contrôlée plutôt que la vitesse, un autre modèle de synthèse vocale sur api14 sera probablement plus adapté.