Eleven v3 är nu allmänt tillgänglig

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

Sedan Alpha-versionen släpptes har vi fortsatt att förfina 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 avsevärt förbättrat hur modellen hanterar siffror, symboler och specialnotation på olika språk.

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.

Tänk dig ett telefonnummer: "+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 uppläsning är "plus fyra nio, ett sju noll, nio åtta sju sex fem fyra tre."

Den här typen av fel förekom inom 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 riktmärke som omfattar 27 kategorier på 8 språk.

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

Felfrekvens 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 texten runtomkring.

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" (förvrängt)

Efter:  "S O två"

Sportresultat — tolkning utifrån sammanhanget:

Indata:  Slutresultat: 102-98

Före: "etthundratvå minus nittioåtta"

Efter:  "etthundratvå mot nittioåtta"

Tillgänglighet

Eleven v3 är nu allmänt tillgänglig på alla plattformar.