Eleven v3 är nu allmänt tillgänglig

Sedan den här artikeln publicerades har vi släppt Eleven v4, vår mest uttrycksfulla Text to Speech-modell. Läs mer om Eleven v4.

Eleven v3, vår mest avancerade Text to Speech-modell, har nu lämnat Alpha och är allmänt tillgänglig.

Sedan Alpha-versionen har vi fortsatt att förbättra modellen. Två viktiga förbättringar:

Stabilare. I tester föredrog användarna den nya versionen framför den tidigare Alpha-versionen i 72 % av fallen.

Mer träffsäker. Vi har förbättrat modellens hantering av siffror, symboler och specialnotation på olika språk avsevärt.

Förbättrad träffsäkerhet

Text to Speech-modeller måste tolka det du skriver och avgöra hur det ska uttalas. Samma symboler kan betyda olika saker i olika sammanhang.

Ta ett telefonnummer som exempel: "+49 170 9876543"

I vissa fall läste våra modeller detta som "plus fyrtionio, etthundrasjuttio, nio miljoner åttahundrasjuttiosextusen femhundrafyrtiotre" – och tolkade siffrorna som stora tal i stället för en sifferföljd. Rätt uttal är "plus fyra nio, ett sju noll, nio åtta sju sex fem fyra tre."

Sådana fel förekom i flera kategorier – sportresultat, kemiska formler, valutor och koordinater – överallt där modellerna behövde tolka symboler och avgöra hur de skulle uttalas.

Vi testade mot ett internt benchmark som omfattade 27 kategorier på 8 språk.

Totalt: 68 % färre fel. Felprocenten sjönk från 15,3 % till 4,9 %.

Felprocent per kategori:

Förbättringarna är störst i kategorier där sammanhanget avgör tolkningen – där ett kolon kan ange ett sportresultat, en tid eller ett bildförhållande beroende på den omgivande texten.

Exempel

Valutor – rätt storleksordning:

Indata: ¥250,000

Före: 25,000 yen

Efter: 250,000 yen

Kemiska formler – symbolerna bevaras korrekt:

Indata: SO₂

Före: "svavel dubbel" (felaktigt)

Efter: "S O två"

Sportresultat – sammanhangsmedveten tolkning:

Indata: Slutresultat: 102-98

Före: "etthundratvå minus nittioåtta"

Efter: "etthundratvå mot nittioåtta"

Tillgänglighet

Eleven v3 är nu allmänt tillgänglig på alla plattformar.