ElevenLabs: Eleven Turbo v2

Eleven Turbo v2 är en text-till-tal-modell från ElevenLabs, distribuerad här under modell-id:t elevenlabs/eleven-turbo-v2. Den tillhör kategorin speech och positioneras av sin leverantör som ett engelskspråkigt text-till-tal-system med låg latens, byggt för utvecklarfall där hastighet är viktigt och endast engelska behövs. Om du redan känner till ElevenLabs som röstleverantör är detta den snabbare nivån i deras talutbud snarare än en allmän språkmodell.

Modellen tar text som enda indata och returnerar tal som enda utdata. Det finns ingen publicerad siffra för kontextfönster, så det är inte en modell du utvärderar utifrån token-gränser på samma sätt som en chattmodell. Leverantören beskriver den kring 30 000 tecken indata per begäran, vilket är den dimension som spelar roll när du delar upp ett manus inför syntes. Den levereras med en fast uppsättning namngivna röster: george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger och will. Inga begäransparametrar listas som stödda för denna post.

De praktiska användningsområdena följer direkt av låg latens och engelskspråkig utdata. Interaktiva röstgränssnitt gynnas mest, eftersom fördröjningen mellan att skicka text och ta emot ljud är det användarna lägger märke till. Detsamma gäller att läsa upp svar i en assistent, generera berättarröst för en prototyp eller intern demo där svarstid är viktigare än studiokvalitet, och producera ljudversioner av kort engelskt innehåll som artiklar eller aviseringar. Eftersom en enskild begäran accepterar upp till ungefär 30 000 tecken kan längre dokument hanteras i ett litet antal anrop i stället för många korta, vilket förenklar både klientkoden och sammanfogningen av det resulterande ljudet.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t elevenlabs/eleven-turbo-v2. Begäransformen är den du redan använder för andra modeller på gatewayen: autentisering via din api14-nyckel, en JSON-body som innehåller modell-id:t och din prompttext, och ett ljudsvar i retur. Listan över stödda parametrar för denna modell är tom, så räkna med att endast skicka modell-id:t och texten, och välj en av de namngivna rösterna från listan ovan i stället för att anta att godtyckliga röstidentifierare accepteras. Om din befintliga kod tar bort okända fält innan den skickar finns det inget extra att konfigurera.

Två begränsningar är värda att väga in innan du bestämmer dig. Modellen är endast engelskspråkig, så all text som inte är på engelska kommer inte att hanteras korrekt, och röstuppsättningen är fast, vilket utesluter kloning eller anpassade röster via denna post. Latens är den avvägning leverantören gör, så om din prioritet är uttrycksfull eller noggrant kontrollerad leverans snarare än hastighet är en annan talmodell på api14 sannolikt ett bättre val.