Presentazione di Eleven v3 (alpha)

Siamo lieti di presentare Eleven v3 (alpha), il modello Text to Speech più espressivo.

Questa anteprima di ricerca offre un controllo e un realismo senza precedenti nella generazione vocale, con:

• Oltre 70 lingue
• Dialoghi con più interlocutori
• Tag audio come [excited], [whispers] e [sighs]

Eleven v3 (alpha) richiede più prompt engineering rispetto ai modelli precedenti, ma le generazioni sono straordinarie.

Se lavori a video, audiolibri o strumenti multimediali, puoi raggiungere un nuovo livello di espressività. Per i casi d'uso in tempo reale e conversazionali, per ora consigliamo di usare v2.5 Turbo o Flash. Una versione in tempo reale di v3 è in fase di sviluppo.

Eleven v3 è disponibile da oggi sul nostro sito web e nelle API.

Perché abbiamo creato v3

Dal lancio di Multilingual v2, abbiamo visto l'IA vocale adottata nel cinema professionale, nello sviluppo di videogiochi, nell'istruzione e nell'accessibilità. Ma il limite costante non era la qualità del suono, bensì l'espressività. Era difficile ottenere emozioni più accentuate, interruzioni conversazionali e scambi credibili.

Eleven v3 colma questa lacuna. È stato progettato da zero per offrire voci che sospirano, sussurrano, ridono e reagiscono, generando un parlato che sembra davvero reattivo e vivo.

Novità di Eleven v3 (alpha)

Come usare i tag audio

I tag audio sono inseriti direttamente nello script e formattati con parentesi quadre minuscole. Puoi scoprire di più sui tag audio nella nostra guida al prompting per v3 nella documentazione.

Le Clonazioni Vocali Professionali (PVC) al momento non sono completamente ottimizzate per Eleven v3, quindi la qualità della clonazione potrebbe essere inferiore rispetto ai modelli precedenti. In questa fase di anteprima di ricerca, se devi usare le funzionalità di v3 per il tuo progetto, è preferibile trovare una Clonazione Vocale Istantanea (IVC) o una voce progettata. L'ottimizzazione delle PVC per v3 arriverà prossimamente.

Ad esempio, puoi usare questo prompt: “[whispers] Sta arrivando qualcosa… [sighs] Lo sento.” Per un controllo più espressivo, puoi anche combinare più tag:

“[happily][shouts] We did it! [laughs].”

Creare dialoghi con più interlocutori

Eleven v3 è supportato dal nostro endpoint Text to Speech esistente. Inoltre, introduciamo un nuovo endpoint API Text to Dialogue. Fornisci un array strutturato di oggetti JSON, ciascuno dei quali rappresenta il turno di un interlocutore, e il modello genera un file audio coerente con sovrapposizioni:

[
  {"speaker_id": "scarlett", "text": "(cheerfully) Perfect! And if that pop-up is bothering you, there’s a setting to turn it off under Notifications → Preferences."},
  {"speaker_id": "lex", "text": "You are a hero. An actual digital wizard. I was two seconds from sending a very passive-aggressive support email."},
  {"speaker_id": "scarlett", "text": "(laughs) Glad we could stop that in time. Anything else I can help with today?"}
]

L'endpoint gestisce automaticamente le transizioni tra gli interlocutori, i cambiamenti emotivi e le interruzioni.

Scopri di più qui.

Prezzi e disponibilità

Per abilitare v3:

• Usa il selettore del modello e seleziona Eleven v3 (alpha)

L'accesso alle API e il supporto in Studio saranno disponibili a breve. Per l'accesso anticipato, contatta il team vendite.

Quando non usare v3

Eleven v3 (alpha) richiede più prompt engineering rispetto ai nostri modelli precedenti. Quando funziona, il risultato è straordinario, ma l'affidabilità e la latenza maggiore lo rendono inadatto ai casi d'uso in tempo reale e conversazionali. Per questi, consigliamo Eleven v2.5 Turbo/Flash.

Per maggiori informazioni, consulta la documentazione di v3 e le FAQ.

1. Accedi a Interfaccia di ElevenLabs
2. Seleziona v3 (alpha) nel menu a discesa del modello
3. Incolla lo script: usa tag o dialoghi 
4. Genera audio

Non vediamo l'ora di scoprire come darai vita a v3 in nuovi casi d'uso, dalla narrazione immersiva alle pipeline di produzione cinematografica.

Come funziona lo sconto dell'80% su Eleven v3?

Come sono stati generati gli esempi nel video e sul sito web?

Come funziona la generazione di dialoghi?

È disponibile tramite API?

Quali tag audio sono supportati?

Scritto da

Piotr Dabkowski

Co-Founder, Research

Visualizza profilo

Piotr is the cofounder of ElevenLabs, where he leads research and engineering teams developing the world’s most advanced AI audio models. Before ElevenLabs, Piotr worked on machine learning at Google and studied for an MPhil at the University of Cambridge, during which he published research into AI-based image detection at NeurIPS.