ElevenLabs: Eleven Turbo v2

Eleven Turbo v2 é um modelo de texto para fala da ElevenLabs, distribuído aqui sob o id de modelo elevenlabs/eleven-turbo-v2. Pertence à categoria de fala e é posicionado pelo seu fornecedor como um sistema de texto para fala apenas em inglês e de baixa latência, criado para casos de uso de programadores onde a velocidade importa e apenas o inglês é necessário. Se já conhece a ElevenLabs como fornecedor de vozes, este é o nível mais rápido da sua linha de fala, e não um modelo de linguagem de uso geral.

O modelo recebe texto como única entrada e devolve fala como única saída. Não há uma janela de contexto publicada para ele, por isso não é um modelo que se avalie por limites de tokens como faria com um modelo de chat. O fornecedor descreve-o em torno de 30.000 caracteres de entrada por pedido, que é a dimensão que importa quando está a dividir um guião antes da síntese. É fornecido com um conjunto fixo de vozes nomeadas: george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger e will. Nenhum parâmetro de pedido está listado como suportado para esta entrada.

Os usos práticos decorrem diretamente da baixa latência e da saída apenas em inglês. As interfaces de voz interativas são as que mais beneficiam, uma vez que o atraso entre enviar o texto e receber o áudio é o que os utilizadores notam. O mesmo se aplica à leitura de respostas em voz alta num assistente, à geração de narração para um protótipo ou demonstração interna onde o tempo de resposta importa mais do que o acabamento de estúdio, e à produção de versões áudio de conteúdos curtos em inglês, como artigos ou notificações. Como um único pedido aceita até cerca de 30.000 caracteres, documentos mais longos podem ser tratados em poucas chamadas em vez de muitas curtas, o que simplifica tanto o código do cliente como a junção do áudio resultante.

Chama-o através da API compatível com OpenAI da api14 usando o id de modelo elevenlabs/eleven-turbo-v2. A forma do pedido é a que já usa para outros modelos no gateway: autenticação através da sua chave api14, um corpo JSON com o id do modelo e o texto do seu prompt, e uma resposta de áudio em retorno. A lista de parâmetros suportados para este modelo está vazia, por isso conte com enviar apenas o id do modelo e o texto, e selecione uma das vozes nomeadas da lista acima em vez de assumir que identificadores de voz arbitrários serão aceites. Se o seu código existente remover campos desconhecidos antes de enviar, não há nada extra a configurar.

Vale a pena ponderar dois limites antes de avançar. O modelo é apenas em inglês, por isso qualquer texto que não seja em inglês não será tratado corretamente, e o conjunto de vozes é fixo, o que exclui clonagem ou vozes personalizadas através desta entrada. A latência é a troca que o fornecedor está a fazer, por isso se a sua prioridade for uma entrega expressiva ou altamente controlada em vez da velocidade, um modelo de fala diferente na api14 será provavelmente a melhor escolha.