Eleven v3 è ora disponibile per tutti

Dalla pubblicazione di questo articolo, abbiamo lanciato Eleven v4, il nostro modello Text to Speech più espressivo. Scopri di più su Eleven v4.

Eleven v3, il nostro modello Text to Speech più avanzato, è ora uscito dalla fase Alpha ed è generalmente disponibile.

Dalla release Alpha, abbiamo continuato a perfezionare il modello. Due miglioramenti chiave:

Più stabile. Nei test, gli utenti hanno preferito la nuova versione al precedente rilascio Alpha nel 72% dei casi.

Più accurato. Abbiamo migliorato significativamente il modo in cui il modello gestisce numeri, simboli e notazioni specializzate in tutte le lingue.

Miglioramenti dell'accuratezza

I modelli Text to Speech devono interpretare ciò che scrivi e decidere come pronunciarlo. Gli stessi simboli possono avere significati diversi in contesti diversi.

Prendi in considerazione un numero di telefono: "+49 170 9876543"

In alcuni casi, i nostri modelli lo leggevano come "più quarantanove, centosettanta, nove milioni ottocentosettantaseimila cinquecentoquarantatré", interpretando le cifre come numeri grandi anziché come una sequenza di cifre. La lettura corretta è "più quattro nove, uno sette zero, nove otto sette sei cinque quattro tre".

Questi tipi di errori comparivano in varie categorie: risultati sportivi, formule chimiche, valute, coordinate, ovunque i modelli dovessero interpretare simboli e decidere come vocalizzarli.

Abbiamo eseguito test su un benchmark interno che copre 27 categorie in 8 lingue.

Nel complesso: riduzione degli errori del 68%. Il tasso di errore è sceso dal 15,3% al 4,9%.

Tasso di errore per categoria:

I miglioramenti sono più significativi nelle categorie in cui è il contesto a determinarne l'interpretazione: per esempio, i due punti possono indicare un risultato sportivo, un orario o un rapporto d'aspetto a seconda del testo circostante.

Esempi

Valute — importo corretto:

Input:  ¥250,000

Prima: 25.000 yen

Dopo:  250.000 yen

Formule chimiche — simboli preservati correttamente:

Input:  SO₂

Prima: "zolfo doppio" (distorto)

Dopo:  "S O due"

Risultati sportivi — interpretazione basata sul contesto:

Input:  Risultato finale: 102-98

Prima: "centodue meno novantotto"

Dopo:  "centodue a novantotto"

Disponibilità

Eleven v3 è ora generalmente disponibile su tutte le piattaforme.