Eleven Multilingual V2

нейрожелі

Eleven Multilingual V2 — жанды эмоционалды дауыстамасы бар сөйлеуді синтездеуге арналған нейрондық желі.

Сипаттамалары

Кіріс деректер
мәтін
Нәтиже
аудио
Дауыстар саны
6
14,47 ₽

Промптың құны

(1М токенге қарай)

*Бағалар API-ді ECO-провайдерлер арқылы қолданғанда көрсетілген.

Caps қалды: 0 CAPS
Eleven Multilingual V2 үшін API және код үлгісіБіз OpenAI API-іне толық қолжетімділікті ұсынамыз. Біздің барлық соңғы нүктелер OpenAI-мен толық сәйкес келеді, оларды плагиндермен де, SDK арқылы өз бағдарламаңызды әзірлегенде де қолдануға болады.API кілтін жасау
import OpenAI from 'openai';
const openai = new OpenAI({
  apiKey: '<your bothub access token>',
  baseURL: 'https://openai.bothub.chat/v1'
});
import fs from 'fs';

async function main() {
  const response = await openai.audio.speech.create({
    model: 'eleven_multilingual_v2',
    voice: 'nova',
    input: 'Hello! This is a speech generation example via BotHub.',
    response_format: 'mp3',
    speed: 0.9
  });

  const buffer = Buffer.from(await response.arrayBuffer());

  await fs.promises.writeFile('output.mp3', buffer);
}
main();
illustaration

Қалай жұмыс істейді Eleven Multilingual V2?

Eleven Multilingual V2 — дыбыстау, аудиокітаптар және постпродакшн үшін қолайлы, ең табиғи және эмоционалды интонациясы бар сөйлеу синтезінің моделі; 29 тілді қолдайды және жанды дауыстық жолдарды жасайды. BotHub-та сіз бұл модельге VPN-сіз және шетелдік картасыз қол жеткізе аласыз, токендер үшін рубльмен төлейсіз, токендер ескірмейді және бір терезеде дауыстар арасында жылдам ауыса аласыз. Біріктіру бірыңғай OpenAI-үйлесімді API арқылы мүмкін болады, деректерді беру AES-GCM шифрлауымен қорғалады және сақталмайды. Қолданудың әдеттегі сценарийлеріне бейнелерді және жарнаманы кәсіби дыбыстау, аудиокітаптар шығару, постпродакшн және дубляж, контентті локализациялау және презентациялар мен оқытуға арналған дауыстық прототиптерді генерациялау жатады.

Eleven Multilingual V2 туралы жиі қойылатын сұрақтар

Генерация нәтижелерін коммерциялық мақсатта пайдалана аласыз. Жасалған контентке барлық құқық сізге тиесілі. Жалғыз шектеу: сұрауда үшінші тараптардың авторлық құқықпен қорғалған материалдары пайдаланылмағанына көз жеткізіңіз. Кіріс деректерінің құқықтарын сақтау жауапкершілігі пайдаланушыға жүктеледі.

Eleven Multilingual v2 — нейрондық желідегі сөйлеу синтезаторы: мәтінді сипаттама бойынша табиғи дауысқа айналдырады. Мақалаларды, подкасттарды, дауыстық көмекшілерді, аудиопромо және жоғары сапалы көптілді TTS қажет кез келген жағдайға жарамды.

Модель мәтіннен аудио генерациялайды — табиғи интонациясы және ұзақ мәтіндерді қолдауы бар нейросинтез. Ұзақ промпттарды өңдеу (контекст 10000 токенге дейін) және қосымшалар мен сервистерге интеграциялау үшін аудио шығару қолдау көрсетіледі.

Біздің деректерімізде модельдің жауап берер алдында нақты пайымдау жасайтыны байқалмаған. Ол мәтінді сөйлеуге айналдыруға бағытталған; егер сізге кезең-кезеңімен пайымдау қажет болса, оны талдау мен логикаға бейімделген модельдермен біріктірген жөн.

Біздің деректерімізде function calling немесе құрылымды JSON-шығысын қолдау байқалмаған. Eleven Multilingual v2 дауыстық шығысқа назар аударады; егер бақыланатын құрылымды жауап қажет болса, JSON пішімін қалыптастыратын және өңдейтін API деңгейіндегі қаптаманы (wrapper) іске асыру керек.

Біздің деректерімізде суреттерді, аудио немесе видеоны кіріс дерегі ретінде қабылдау байқалмаған. Модель text-to-audio ретінде мәлімделген, сондықтан негізгі кіріс — мәтін. Мультимодальды деректермен жұмыс істеу үшін мамандандырылған модельдерді пайдалану немесе препроцессорлармен біріктіру жақсырақ.

'Multilingual' атауы бірнеше тілге қолдау көрсетілетінін білдіреді және жалпы модель көптілді синтезге арналған. Орыс тіліндегі синтездің түпкілікті сапасы енгізілген мәтінге және таңдалған дауысқа байланысты; өз мысалдарыңызда тексеріп көруге кеңес береміз.

Қолдау қызметі10:00-ден 18:00-ге дейін МСК жұмыс істейміз