ElevenLabs: Eleven Turbo v2

Eleven Turbo v2 は ElevenLabs のテキスト読み上げモデルで、ここではモデル id elevenlabs/eleven-turbo-v2 として配布されています。speech カテゴリに属し、プロバイダーによって、英語専用の低遅延テキスト読み上げシステムとして位置付けられており、速度が重要で英語のみが必要な開発者のユースケース向けに作られています。ElevenLabs を音声ベンダーとしてすでにご存じなら、これは汎用言語モデルではなく、同社の音声ラインナップの中でも高速なティアです。

このモデルはテキストのみを入力として受け取り、音声のみを出力として返します。公開されているコンテキストウィンドウの数値はないため、チャットモデルのようにトークン上限で評価するモデルではありません。プロバイダーはリクエストあたり 30,000 文字の入力を中心に説明しており、合成前にスクリプトを分割する際に重要になるのはこの次元です。付属する名前付き音声は固定セットです: george、sarah、adam、alice、bella、bill、brian、callum、charlie、chris、daniel、eric、harry、jessica、laura、liam、lily、matilda、river、roger、will。このエントリでサポートされているリクエストパラメータは記載されていません。

実用的な用途は、低遅延と英語専用出力から直接導かれます。テキストを送信してから音声を受け取るまでの遅延がユーザーに気付かれる要素であるため、対話型音声インターフェースが最も恩恵を受けます。同じことは、アシスタントでの応答の読み上げ、スタジオ品質の仕上げよりもターンアラウンドが重要なプロトタイプや社内デモ向けのナレーション生成、記事や通知などの短い英語コンテンツの音声版作成にも当てはまります。1 回のリクエストでおよそ 30,000 文字まで受け付けられるため、長い文書も多数の短い呼び出しではなく少数の呼び出しで処理でき、クライアントコードと結果の音声の結合の両方が簡素化されます。

api14 の OpenAI 互換 API を通じて、モデル id elevenlabs/eleven-turbo-v2 を使って呼び出します。リクエストの形は、ゲートウェイ上の他のモデルですでに使用しているものと同じです: api14 キーによる認証、モデル id とプロンプトテキストを含む JSON ボディ、そして返ってくる音声レスポンスです。このモデルでサポートされているパラメータ一覧は空なので、モデル id とテキストのみを送信する前提で計画し、任意の音声識別子が受け入れられると想定するのではなく、上記の一覧から名前付き音声の 1 つを選択してください。既存のコードが送信前に未知のフィールドを削除する場合でも、追加で設定するものはありません。

コミットする前に検討すべき制限が 2 つあります。このモデルは英語専用であるため、非英語テキストは正しく処理されません。また、音声セットは固定であり、このエントリを通じたクローン音声やカスタム音声は除外されます。プロバイダーが選んでいるトレードオフは遅延であるため、優先事項が速度ではなく表現力や高度に制御された話し方であるなら、api14 上の別の音声モデルの方が適している可能性が高いです。