Eleven Multilingual V2
нейросеть
Eleven Multilingual V2 — нейросеть для синтеза речи с живой эмоциональной озвучкой
Характеристики
- Входные данные
- текст
- Результат
- аудио
- Количество голосов
- 6
Стоимость промпта
(за 1M токенов)
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();
Как работает Eleven Multilingual V2?
Eleven Multilingual V2 — модель синтеза речи с максимально естественной и эмоциональной интонацией, подходящая для озвучки, аудиокниг и постпродакшна; поддерживает 29 языков и создаёт живые голосовые дорожки. В BotHub вы получаете доступ к этой модели без VPN и зарубежной карты, оплачиваете в рублях по факту за токены, токены не сгорают, и можете быстро переключаться между голосами в одном окне. Интеграция возможна через единый OpenAI-совместимый API, передача данных защищается шифрованием AES-GCM и не сохраняется. Типичные сценарии применения включают профессиональную озвучку видео и рекламы, производство аудиокниг, постпродакшн и дубляж, локализацию контента и генерацию голосовых прототипов для презентаций и обучения.Частые вопросы о Eleven Multilingual V2
Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.
Eleven Multilingual v2 — нейросетевой синтезатор речи: преобразует текст в естественную озвучку по текстовому описанию. Подходит для озвучивания статей, подкастов, голосовых ассистентов, аудиопромо и любой ситуации, где нужен качественный мультилингвальный TTS.
Модель генерирует аудио из текста — нейросинтез речи с естественной интонацией и поддержкой длинных контекстов. Поддерживается обработка длинных промптов (контекст до 10000 токенов) и выдача аудиовыхода для интеграции в приложения и сервисы.
В наших данных не отмечено, что модель выполняет явные рассуждения перед ответом. Она ориентирована на синтез речи по входному тексту; если вам нужны пошаговые рассуждения, лучше комбинировать с моделями, заточенными под анализ и логику.
В наших данных не отмечено поддержка function calling или структурированного JSON-вывода. Eleven Multilingual v2 фокусируется на голосовом выходе; если нужен контролируемый структурированный ответ, стоит реализовать обёртку на уровне API, которая формирует и обрабатывает JSON.
В наших данных не отмечено приёма изображений, аудио или видео как входа. Модель заявлена как text-to-audio, поэтому основной вход — текст. Для работы с мультимодальными данными лучше использовать специализированные модели или комбинировать с препроцессорами.
Название 'Multilingual' указывает на поддержку нескольких языков, и в целом модель предназначена для мульти-язычного синтеза. Конечное качество синтеза русского зависит от формулировки ввода и выбранного голоса; рекомендуем тестировать на ваших примерах.