ElevenLabs: Eleven Turbo v2

Eleven Turbo v2 è un modello text-to-speech di ElevenLabs, distribuito qui con il model id elevenlabs/eleven-turbo-v2. Appartiene alla categoria speech ed è posizionato dal suo provider come un sistema text-to-speech solo in inglese e a bassa latenza, pensato per casi d'uso di sviluppatori in cui la velocità conta e serve solo l'inglese. Se conosci già ElevenLabs come fornitore di voci, questa è la fascia più veloce della loro offerta speech, non un modello linguistico general purpose.

Il modello accetta testo come unico input e restituisce parlato come unico output. Non è pubblicata alcuna cifra di context window, quindi non è un modello da valutare sui limiti di token come faresti con un modello chat. Il provider lo descrive intorno a 30.000 caratteri di input per richiesta, ed è la dimensione che conta quando suddividi un copione prima della sintesi. Viene fornito con un insieme fisso di voci denominate: george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger e will. Nessun parametro di richiesta è elencato come supportato per questa voce.

Gli usi pratici derivano direttamente dalla bassa latenza e dall'output solo in inglese. Le interfacce vocali interattive ne traggono il maggiore beneficio, dato che il ritardo tra l'invio del testo e la ricezione dell'audio è ciò che gli utenti notano. Lo stesso vale per la lettura ad alta voce delle risposte in un assistente, la generazione di narrazione per un prototipo o una demo interna dove il tempo di risposta conta più della rifinitura da studio, e la produzione di versioni audio di contenuti brevi in inglese come articoli o notifiche. Poiché una singola richiesta accetta fino a circa 30.000 caratteri, i documenti più lunghi possono essere gestiti con un piccolo numero di chiamate invece che con molte chiamate brevi, il che semplifica sia il codice client sia l'unione dell'audio risultante.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando il model id elevenlabs/eleven-turbo-v2. La forma della richiesta è quella che già usi per altri modelli sul gateway: autenticazione tramite la tua chiave api14, un corpo JSON che contiene il model id e il testo del prompt, e una risposta audio in cambio. L'elenco dei parametri supportati per questo modello è vuoto, quindi prevedi di inviare solo il model id e il testo, e seleziona una delle voci denominate dall'elenco sopra invece di presumere che identificatori di voce arbitrari vengano accettati. Se il tuo codice esistente rimuove i campi sconosciuti prima dell'invio, non c'è nulla di extra da configurare.

Due limiti vale la pena soppesare prima di impegnarti. Il modello è solo in inglese, quindi qualsiasi testo non inglese non sarà gestito correttamente, e l'insieme di voci è fisso, il che esclude il cloning o voci personalizzate attraverso questa voce. La latenza è il compromesso che il provider sta facendo, quindi se la tua priorità è una resa espressiva o altamente controllata invece della velocità, un diverso modello speech su api14 è probabilmente la scelta migliore.