Eleven v3 já está disponível para todos

Desde a publicação deste artigo, lançamos o Eleven v4, nosso modelo de Text to Speech mais expressivo. Saiba mais sobre o Eleven v4.

O Eleven v3, nosso modelo mais avançado de Text to Speech, saiu da fase Alpha e agora está amplamente disponível.

Desde o lançamento da versão Alpha, continuamos aprimorando o modelo. Veja duas melhorias importantes:

Mais estável. Nos testes, os usuários preferiram a nova versão em 72% das vezes em comparação com a versão Alpha anterior.

Mais preciso. Melhoramos significativamente a forma como o modelo processa números, símbolos e notações especializadas em vários idiomas.

Melhorias de precisão

Os modelos de Text to Speech precisam interpretar o que você escreve e decidir como falar. Os mesmos símbolos podem ter significados diferentes em contextos distintos.

Considere um número de telefone: "+49 170 9876543"

Em alguns casos, nossos modelos liam isso como "mais quarenta e nove, cento e setenta, nove milhões oitocentos e setenta e seis mil quinhentos e quarenta e três" — interpretando os dígitos como números grandes, em vez de uma sequência de dígitos. A leitura correta é "mais quatro nove, um sete zero, nove oito sete seis cinco quatro três".

Esses tipos de erro apareciam em várias categorias — placares esportivos, fórmulas químicas, moedas e coordenadas — em qualquer situação em que os modelos precisavam interpretar símbolos e decidir como vocalizá-los.

Fizemos testes com um benchmark interno que abrange 27 categorias em 8 idiomas.

No geral: redução de 68% nos erros. A taxa de erro caiu de 15,3% para 4,9%.

Taxa de erro por categoria:

As melhorias são mais significativas em categorias nas quais o contexto determina a interpretação — em que dois-pontos podem indicar um placar esportivo, um horário ou uma proporção, dependendo do texto ao redor.

Exemplos

Moedas — valor correto:

Entrada:  ¥250.000

Antes: 25.000 ienes

Depois:  250.000 ienes

Fórmulas químicas — símbolos preservados corretamente:

Entrada:  SO₂

Antes: "enxofre duplo" (incorreto)

Depois:  "S O dois"

Placares esportivos — interpretação com base no contexto:

Entrada:  Placar final: 102-98

Antes: "cento e dois menos noventa e oito"

Depois:  "cento e dois a noventa e oito"

Disponibilidade

O Eleven v3 agora está amplamente disponível em todas as plataformas.