Eleven v3（アルファ版）のご紹介

最も表現力豊かなテキスト読み上げモデルであるEleven v3（alpha）を発表します。

このリサーチプレビューでは、これまでにない制御性とリアリティを備えた音声生成を実現します。

• 70以上の言語
• 複数話者による対話
• オーディオタグ（[excited]、[whispers]、[sighs]など）

Eleven v3（alpha）では、従来のモデルより多くのプロンプトエンジニアリングが必要です。ただし、生成結果は息をのむほど впечатしいものです。

ビデオやオーディオブック、メディアツールを制作しているなら、表現力を新たなレベルへ引き上げられます。リアルタイムや会話型のユースケースでは、現時点ではv2.5 TurboまたはFlashのご利用をおすすめします。v3のリアルタイム版は開発中です。

Eleven v3は、本日よりウェブサイトとAPIでご利用いただけます。

v3を開発した理由

Multilingual v2のリリース以降、AI音声がプロフェッショナルな映画制作、ゲーム開発、教育、アクセシビリティで活用されるようになりました。しかし、一貫して課題だったのは音質ではなく、表現力でした。より誇張された感情、会話中の割り込み、自然なやり取りを実現することは困難でした。

Eleven v3は、この課題を解決します。ため息をつき、ささやき、笑い、反応する声を実現するためにゼロから構築され、本当に反応して生きているように感じられる音声を生成します。

Eleven v3（alpha）の新機能

v3を実際に聴く

再生

再生

オーディオタグの使い方

オーディオタグはスクリプト内に直接記述し、小文字の角括弧で指定します。オーディオタグについて詳しくは、ドキュメントのv3向けプロンプトガイドをご覧ください。

プロフェッショナルボイスクローン（PVC）は現在、Eleven v3向けに完全には最適化されていないため、以前のモデルと比べてクローン品質が低下する可能性があります。このリサーチプレビュー期間中にv3の機能を利用する場合は、プロジェクトに適したインスタントボイスクローン（IVC）またはデザイン済みの声を見つけることをおすすめします。v3向けのPVC最適化は近日中に提供予定です。

たとえば、「[whispers] Something’s coming… [sighs] I can feel it.」のようにプロンプトできます。より表現を細かく制御したい場合は、複数のタグを組み合わせられます。

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

複数話者による対話を作成する

Eleven v3は既存のテキスト読み上げエンドポイントで利用できます。さらに、新しいText to Dialogue APIエンドポイントも導入しました。話者の発話ごとにJSONオブジェクトを指定した構造化配列を渡すと、モデルが一貫性のある、音声が重なり合うオーディオファイルを生成します。

[
  {"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?"}
]

このエンドポイントは、話者の切り替え、感情の変化、割り込みを自動で管理します。

詳しくはこちらをご覧ください。

v3は最も表現力豊かなモデルです

再生

再生

料金と提供状況

v3を有効にするには：

• モデルピッカーでEleven v3（alpha）

を選択してください。APIアクセスとStudioでのサポートは近日提供予定です。早期アクセスをご希望の場合は、営業にお問い合わせください。

v3を使わない場合

Eleven v3（alpha）では、従来のモデルより多くのプロンプトエンジニアリングが必要です。うまく機能した際の出力は息をのむほど素晴らしい一方、信頼性と高いレイテンシーのため、リアルタイムや会話型のユースケースには適していません。こうした用途には、Eleven v2.5 Turbo／Flashをおすすめします。

詳細については、完全版のv3ドキュメントとFAQをご覧ください。

今すぐ試す

再生

再生

1. ElevenLabs UIにログイン
2. モデルのドロップダウンでv3（alpha）を選択
3. スクリプトを貼り付ける。タグまたは対話を使用
4. オーディオを生成

没入感のあるストーリーテリングから映画のような制作パイプラインまで、新たなユースケースでv3をどのように活用されるか、楽しみにしています。