Eleven Multilingual V2 IVC
Rede Neural
Eleven Multilingual V2 IVC é um modelo de síntese de fala da ElevenLabs para dublagem, audiolivros e pós-produção em 29 idiomas.
Especificações
- Entrada
- áudio
- Saída
- áudio
Custo do prompt
(por 1M tokens)
Como funciona Eleven Multilingual V2 IVC?
Eleven Multilingual V2 IVC é um modelo de síntese de fala da ElevenLabs que soa extremamente próximo a uma voz humana: entonações, pausas e entrega emocional são preservadas em 29 idiomas, e o modo de clonagem instantânea (IVC) permite obter um timbre personalizado a partir de uma amostra curta. É uma ferramenta de trabalho para dublagem, audiolivros e pós-produção, onde não apenas a clareza, mas o caráter da voz é importante. No BotHub, o modelo está disponível sem VPN ou cartão estrangeiro: você paga com cartão russo em rublos e apenas pelo que realmente gerou, e os tokens não utilizados não expiram. Ao lado, em uma única janela, há mais de 250 modelos, para que você possa montar um vídeo inteiro sem trocar de serviço, e as conexões e dados são protegidos por criptografia AES-GCM. Para produção, há uma API única compatível com OpenAI; para equipes, há contrato, fatura, EDI e painel administrativo com limites. É frequentemente usada para dublagem de vídeos publicitários e educacionais, gravação de audiolivros e podcasts, dublagem e substituição de falas individuais na pós-produção, bem como para interfaces de voz e personagens em jogos e aplicativos.Perguntas frequentes sobre Eleven Multilingual V2 IVC
Você pode usar os resultados da geração para fins comerciais. Todos os direitos sobre o conteúdo criado pertencem a você. A única restrição: certifique-se de que a solicitação não inclua materiais de terceiros protegidos por direitos autorais. A responsabilidade pelo cumprimento dos direitos sobre os dados de entrada é do usuário.
É um modelo de síntese de fala da ElevenLabs: ele recebe áudio como entrada e produz áudio como saída. Adequado para dublagem de vídeos e podcasts, audiolivros, comerciais, materiais educacionais e interfaces de voz, quando é necessária uma voz viva e com som natural baseada em uma amostra de áudio.
Este modelo não retorna texto, mas áudio. Segundo nossos dados, estão disponíveis 10.000 tokens de contexto e o mesmo na saída, ou seja, em uma solicitação você dubla um fragmento. Divida roteiros longos ou livros em partes e junte o resultado.
Em nossos dados, o raciocínio passo a passo não é observado neste modelo — é uma ferramenta de dublagem, não de análise. É mais conveniente delegar a lógica a um modelo de texto no BotHub: ele prepara e revisa o roteiro, e o Eleven Multilingual v2 o transforma em uma trilha sonora.
Chamada de função e JSON estruturado não são observados em nossos dados: na saída você recebe áudio, não um esquema de campos. No entanto, o modelo está disponível através da API única compatível com OpenAI do BotHub, portanto, a dublagem é fácil de integrar ao seu serviço ou pipeline de processamento de conteúdo.
Áudio — sim, esta é a entrada principal: você envia uma gravação de voz como referência e obtém a dublagem na mesma maneira. Imagens e vídeos não são observados como formatos de entrada em nossos dados, portanto, para imagens e vídeos, use outros modelos do catálogo.
O modelo é declarado como multilíngue e é usado especificamente para dublagem multilíngue, mas idiomas específicos e a qualidade da pronúncia não estão registrados em nossos dados, por isso não prometeremos números. Verifique com seu próprio fragmento: o acesso da Rússia é feito sem VPN e cartão estrangeiro, pagamento com cartões russos.