Utilizzare i dizionari di pronuncia | ElevenLabs Documentation

Guida pratica · Presuppone che tu abbia completato il quickstart di ElevenAPI .

Panoramica

I dizionari di pronuncia ti consentono di personalizzare la pronuncia di parole o frasi specifiche da parte del tuo agente IA. Sono particolarmente utili per:

Correggere la pronuncia di nomi, luoghi o termini tecnici
Garantire una pronuncia coerente in tutte le conversazioni
Personalizzare le variazioni regionali di pronuncia

ElevenLabs supporta gli alfabeti IPA e CMU.

I tag dei fonemi nei dizionari di pronuncia funzionano solo con i modelli eleven_v4, eleven_v4_turbo, eleven_flash_v2 ed eleven_v3.

Gli altri modelli ignorano i tag dei fonemi del dizionario e usano la pronuncia predefinita. Per gli altri modelli, usa invece i tag alias per sostituire grafie o frasi che producono la pronuncia desiderata.

Se vuoi usare le pronunce IPA e CMU in lingue diverse dall’inglese, dovrai passare al modello eleven_v4 o eleven_v4_turbo.

Quickstart

Questa guida presuppone che tu abbia configurato la chiave API e l’SDK. Se non l’hai ancora fatto, completa prima il quickstart.

Crea un file di dizionario di pronuncia

In questo esempio, creeremo un file di dizionario di pronuncia per la parola tomato.

Questa regola userà l’alfabeto “IPA” e aggiornerà la pronuncia di tomato e Tomato con una pronuncia diversa. I file PLS distinguono tra maiuscole e minuscole, per questo li includiamo entrambi, con e senza la “T” maiuscola.

Puoi usare strumenti di IA come Claude o ChatGPT per generare notazioni IPA o CMU per parole specifiche.

dictionary.pls

<?xml version="1.0" encoding="UTF-8"?>
<lexicon version="1.0"
    xmlns="http://www.w3.org/2005/01/pronunciation-lexicon"
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xsi:schemaLocation="http://www.w3.org/2005/01/pronunciation-lexicon
        http://www.w3.org/TR/2007/CR-pronunciation-lexicon-20071212/pls.xsd"
    alphabet="ipa" xml:lang="en-US">
<lexeme>
    <grapheme>tomato</grapheme>
    <phoneme>/tə'meɪtoʊ/</phoneme>
</lexeme>
<lexeme>
    <grapheme>Tomato</grapheme>
    <phoneme>/tə'meɪtoʊ/</phoneme>
</lexeme>
</lexicon>

Crea un dizionario di pronuncia da un file tramite l'SDK

Crea un nuovo file denominato example.py o example.mts, in base al linguaggio che preferisci, e aggiungi il seguente codice:

from elevenlabs import ElevenLabs, PronunciationDictionaryVersionLocator
from elevenlabs.play import play
elevenlabs = ElevenLabs()
with open("dictionary.pls", "rb") as f:
    # this dictionary changes how tomato is pronounced
    pronunciation_dictionary = elevenlabs.pronunciation_dictionaries.create_from_file(
        file=f.read(), name="example"
    )
audio_1 = elevenlabs.text_to_speech.convert(
    text="Without the dictionary: tomato",
    voice_id="aMSt68OGf4xUZAnLpTU8",
    model_id="eleven_flash_v2",
)
audio_2 = elevenlabs.text_to_speech.convert(
    text="With the dictionary: tomato",
    voice_id="aMSt68OGf4xUZAnLpTU8",
    model_id="eleven_flash_v2",
    pronunciation_dictionary_locators=[
        PronunciationDictionaryVersionLocator(
            pronunciation_dictionary_id=pronunciation_dictionary.id,
            version_id=pronunciation_dictionary.version_id,
        )
    ],
)
# play the audio
play(audio_1)
play(audio_2)

Esegui il codice

python example.py

Dovresti sentire due versioni dell’audio riprodotte dagli altoparlanti, una con il dizionario di pronuncia e una senza.

Passaggi successivi

Riferimento API

Riferimento API completo per i dizionari di pronuncia.

Streaming TTS

Trasmetti il parlato generato dal testo progressivamente per una riproduzione con minore latenza.