Eleven v3 正式上线

本文发布后，我们推出了情感表现力最强的文本转语音模型 Eleven v4。了解更多 Eleven v4。

我们最先进的 文本转语音 模型 Eleven v3 现已结束 Alpha 阶段，正式全面推出。

自 Alpha 发布以来，我们持续优化模型，主要改进包括：

更稳定。 测试中，用户有 72% 的时间更偏好新版本，而非此前的 Alpha 版本。

更准确。 模型处理各语言中数字、符号和专业记法的能力显著提升。

准确性提升

文本转语音模型需要理解你输入的内容，并决定如何朗读。同一符号在不同语境下可能含义不同。

以电话号码为例："+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”，即把数字当成大数，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”。

这类错误出现在体育比分、化学式、货币、坐标等多个类别中——只要模型需要理解符号并决定如何朗读，就可能出现。

我们使用涵盖 8 种语言、27 个类别的内部基准进行了测试。

总体而言： 错误减少 68%。错误率从 15.3% 降至 4.9%。

各类别错误率：

在由上下文决定含义的类别中，改进最为显著——例如，冒号根据前后文本可能表示体育比分、时间或宽高比。

示例

货币——数值量级正确：

输入：¥250,000

改进前：25,000 日元

改进后：250,000 日元

化学式——符号正确保留：

输入：SO₂

改进前：“硫双”（读错）

改进后：“S O 二”

体育比分——可理解上下文：

输入：最终比分：102-98

改进前：“一百零二减九十八”

改进后：“一百零二比九十八”

可用性

Eleven v3 现已在所有平台正式全面推出。