O Realtime Translation não reproduz exatamente a voz original da pessoa em outros idiomas. Em vez disso, você seleciona a voz de saída em uma biblioteca com mais de 17.500 vozes ou usa um Voice Clone Instant ou Professional como voice_id para se aproximar da voz de uma pessoa específica.

Sim. Ambas as pessoas falam seus próprios idiomas e ouvem a outra no idioma delas. A comunicação bidirecional é configurada no nível da rede ou do produto, por exemplo, conectando cada pessoa na chamada a uma instância dedicada do endpoint.

Com o parâmetro eagerness (baixo, médio ou alto), definido por sessão. O nível alto começa a traduzir o quanto antes, para alcançar a menor latência. O nível baixo espera por mais partes da frase para gerar uma tradução de maior qualidade, com mais atraso. O nível médio é o padrão. 

Eleven v4 Turbo é o padrão. Os clientes também podem definir tts_model_id como eleven_flash_v2_5 ou eleven_v3. O Eleven v4 Turbo oferece melhor desempenho com uma única voz em vários idiomas.

Sim. Cada sessão transmite texto traduzido junto com o áudio, além de transcrições parciais e finais do áudio original. Você pode usá-los para criar legendas ao vivo ou registros com base no áudio.