Eleven v3 正式上线

我们最先进的 文本转语音 模型 Eleven v3 已结束 Alpha 测试，现已全面开放。

自 Alpha 版本发布后，我们持续优化了模型。主要改进包括：

更稳定。 测试中，72% 的用户更喜欢新版本，相比之前的 Alpha 版本。

更准确。 我们大幅提升了模型对数字、符号和专业符号在多语言环境下的处理能力。

准确性提升

文本转语音模型需要理解输入内容，并决定如何朗读。同样的符号在不同语境下含义不同。

比如电话号码：“+49 170 9876543”

有时模型会将其读作“加四十九，一百七十，九百八十七万六千五百四十三”，把数字当作大数而不是逐位数字。正确读法应为“加四九，一七零，九八七六五四三”。

这类错误在多种场景中都会出现，比如体育比分、化学式、货币、坐标等，只要模型需要判断符号含义并决定如何朗读。

我们基于内部基准测试，覆盖 8 种语言、27 个类别进行了测试。

整体结果： 错误率降低 68%，从 15.3% 降至 4.9%。

各类别错误率：

在需要根据语境判断含义的类别中提升最明显，比如冒号可能表示比分、时间或宽高比，具体取决于上下文。

示例

货币 — 数值识别准确：

输入：¥250,000

之前：25,000 日元

现在：250,000 日元

化学式 — 符号保留正确：

输入：SO₂

之前：“硫双”（读错）

现在：“S O 二”

体育比分 — 语境识别更准确：

输入：最终比分：102-98

之前：“一百零二减九十八”

现在：“一百零二比九十八”

可用性

Eleven v3 现已在所有平台全面开放。