Eleven v3とは何ですか？

Eleven v3は、最新かつ最も表現力豊かなテキスト読み上げモデルで、次の特長があります。

より人間らしく、全体的に高品質な生成
オーディオタグのサポート
- 感情：[sad] [angry] [happily]
- 話し方の指示：[whispers] [shouts]
- 非言語的な反応：[laughs] [clears throat] [sighs]
複数話者による自然な音声をサポートするDialogueモード
70以上の言語に対応

驚くほど優れた出力を生成できますが、一貫性にばらつきがありレイテンシーも高いため、リアルタイムまたは会話型のユースケースには適していません。これらの用途には、Flash v2（英語）またはv2.5（Multilingual）をおすすめします。現在、Eleven v3のリアルタイム版を開発中です。

APIでは、Create speechおよびStream speechエンドポイントでモデルID eleven_v3を指定すると、v3を使用して生成できます。

Create dialogueおよびStream dialogueエンドポイントを使用して、複数話者による自然なダイアログを作成することもできます。

詳細は以下のリソースをご覧ください。