ElevenLabs: Eleven Turbo v2.5

Eleven Turbo v2.5 é um modelo de texto para fala da ElevenLabs, listado em api14 sob a categoria speech. É feito pela ElevenLabs e é identificado na plataforma pelo id de modelo elevenlabs/eleven-turbo-v2.5. Ele fica na linha Turbo, que é posicionada em torno de baixa latência, então é voltado para desenvolvedores que precisam de fala gerada rapidamente, e não para renderização em lote offline, onde a velocidade não importa.

O modelo recebe texto como sua única entrada e produz fala como sua única saída. Ele suporta 32 idiomas, o que o torna uma escolha razoável quando sua aplicação atende usuários que não falam inglês, e o provedor o descreve como equilibrando qualidade e velocidade para casos de uso de desenvolvedores que precisam de idiomas diferentes do inglês. Ele vem com um conjunto 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. A descrição do provedor menciona um limite de 40.000 caracteres na entrada, então passagens longas precisam ser divididas antes de serem enviadas. Nenhum comprimento de contexto em tokens é publicado para este modelo, e nenhum parâmetro de requisição é listado como suportado.

Os usos práticos decorrem de texto na entrada, fala na saída, com baixa latência e ampla cobertura de idiomas. Você recorreria a ele ao construir saída de voz em uma aplicação: ler respostas em voz alta em um assistente, gerar narração ou versões em áudio de conteúdo escrito, produzir prompts e anúncios para sistemas de voz interativos, ou criar versões faladas de material para usuários que preferem ouvir. A lista de vozes nomeadas significa que você pode escolher uma voz consistente por produto, por localidade ou por persona sem treinar nada por conta própria. Como a entrada é limitada pela contagem de caracteres, ele é mais adequado para enunciados, parágrafos e roteiros curtos do que para livros inteiros em uma única requisição.

Você o chama através da API compatível com OpenAI da api14 usando o id de modelo elevenlabs/eleven-turbo-v2.5, então bibliotecas cliente OpenAI existentes e formatos de requisição funcionam com a URL base da plataforma. O modelo aceita entrada de texto e retorna saída de fala. Nenhum parâmetro de requisição é listado como suportado para este modelo, então planeje enviar o texto e o id do modelo, e verifique a documentação ao vivo sobre como a seleção de voz é passada antes de construir em torno de um parâmetro específico. A página mostra uma tabela de preços ao vivo, então consulte-a para tarifas atuais em vez de confiar em qualquer coisa escrita aqui.

Há alguns casos em que outro modelo pode se encaixar melhor. Se sua carga de trabalho for apenas em inglês e você não precisar da cobertura para idiomas diferentes do inglês, um modelo de fala diferente pode ser uma correspondência mais próxima. Se você precisar de tratamento de contexto baseado em tokens ou de um amplo conjunto de parâmetros de requisição ajustáveis, este modelo não os anuncia, e um modelo com comprimento de contexto publicado e uma lista de parâmetros mais completa seria mais fácil de integrar. O limite de entrada de 40.000 caracteres também significa que documentos muito longos precisam ser divididos em partes e reunidos do seu lado.