ElevenLabs: Eleven Turbo v2.5

Eleven Turbo v2.5 は ElevenLabs のテキスト読み上げモデルで、api14 の speech カテゴリに掲載されています。ElevenLabs によって作成され、プラットフォーム上ではモデル id elevenlabs/eleven-turbo-v2.5 で識別されます。これは Turbo ラインに属し、低レイテンシを中心に位置づけられているため、速度が問題にならないオフラインのバッチレンダリングではなく、音声をすばやく生成する必要がある開発者を対象としています。

このモデルはテキストを唯一の入力として受け取り、音声を唯一の出力として生成します。32 言語をサポートしているため、英語話者以外のユーザーにアプリケーションを提供する場合に妥当な選択肢となり、プロバイダーは、英語以外の言語を必要とする開発者のユースケースに対して品質と速度のバランスを取るものだと説明しています。名前付きボイスのセットが付属しています: george、sarah、adam、alice、bella、bill、brian、callum、charlie、chris、daniel、eric、harry、jessica、laura、liam、lily、matilda、river、roger、will。プロバイダーの説明では入力に 40,000 文字の制限があるとされているため、長い文章は送信前に分割する必要があります。このモデルについてトークン単位のコンテキスト長は公開されておらず、サポートされるリクエストパラメータも記載されていません。

実用的な用途は、テキスト入力、音声出力、低レイテンシ、幅広い言語カバレッジから導かれます。アプリケーションに音声出力を組み込むときにこれを選ぶでしょう。たとえば、アシスタントで応答を読み上げる、ナレーションや書き起こしコンテンツの音声版を生成する、対話型音声システム向けのプロンプトやアナウンスを生成する、聞くことを好むユーザー向けに資料の音声版を作成する、といった用途です。名前付きボイスのリストがあるため、自分で何かをトレーニングしなくても、製品ごと、ロケールごと、またはペルソナごとに一貫したボイスを選べます。入力は文字数で上限が決まるため、1 回のリクエストで本全体を扱うよりも、発話、段落、短いスクリプトに適しています。

これは api14 の OpenAI 互換 API を通じて、モデル id elevenlabs/eleven-turbo-v2.5 を使って呼び出します。そのため、既存の OpenAI クライアントライブラリとリクエスト形式が、プラットフォームのベース URL で動作します。このモデルはテキスト入力を受け取り、音声出力を返します。このモデルでサポートされると記載されているリクエストパラメータはないため、テキストとモデル id を送信する前提で計画し、特定のパラメータを中心に構築する前に、ボイス選択がどのように渡されるかを最新のドキュメントで確認してください。ページにはライブの価格表が表示されるため、ここに書かれている内容に頼らず、現在の料金についてはそれを参照してください。

別のモデルの方がより適している場合がいくつかあります。ワークロードが英語のみで、英語以外のカバレッジを必要としないなら、別の音声モデルの方がより近い選択肢になる可能性があります。トークンベースのコンテキスト処理や、調整可能な多数のリクエストパラメータが必要なら、このモデルはそれらを宣伝しておらず、コンテキスト長が公開され、より充実したパラメータリストを持つモデルの方が統合しやすいでしょう。40,000 文字の入力制限は、非常に長い文書をこちら側で分割してつなぎ合わせる必要があることも意味します。