ElevenLabs στο Mage

Δύο. Το Eleven Speech είναι η μετατροπή κειμένου σε ομιλία της ElevenLabs, με το Eleven v4, το πιο εκφραστικό μοντέλο φωνής της: 16 φωνές, πάνω από 90 γλώσσες και audio tags όπως [whispers], [laughs] ή [door creaks] που καθοδηγούν την ανάγνωση γραμμή προς γραμμή. Το Eleven Music είναι το μουσικό μοντέλο της ElevenLabs: ολοκληρωμένα τραγούδια με στίχους και φωνητικά ή instrumentals, από 10 δευτερόλεπτα έως 5 λεπτά.

Και τα δύο τρέχουν μέσω της ίδιας της ElevenLabs, οπότε οι φωνές και τα τραγούδια είναι αυτά που φτιάχνει η ElevenLabs. Τα χρησιμοποιείς με τον λογαριασμό σου στο Mage, χωρίς ξεχωριστή συνδρομή στην ElevenLabs: με Gems σε οποιοδήποτε πλάνο ή απεριόριστα σε επί πληρωμή πλάνο, μέχρι τη διάρκεια που καλύπτει κάθε πλάνο.

Το Mage είναι μια ανεξάρτητη δημιουργική πλατφόρμα και δεν ανήκει στην ElevenLabs. Προσθέτει ό,τι βρίσκεται γύρω από τον ήχο: μοντέλα εικόνας όπως το Mango 3 και το Nano Banana, μοντέλα βίντεο όπως το Cherry 2 Pro, αποθηκευμένους χαρακτήρες που κρατούν το πρόσωπο και τη φωνή τους σε όλα τα κλιπ, και εφαρμογές όπως το Lipsync και το Music Video που φέρνουν τον ήχο στην οθόνη.

Το Eleven v4 διαβάζει ολόκληρο το σενάριο πριν μιλήσει, έτσι ο τονισμός, ο ρυθμός και το συναίσθημα ακολουθούν το νόημα. Τα tags σε αγκύλες το καθοδηγούν: τα [excited], [sarcastic] και [softly] αλλάζουν το συναίσθημα· τα [whispers] και [shouting] την ένταση· τα [sighs] και [laughs] προσθέτουν μια αντίδραση· τα [door creaks] ή [applause] προσθέτουν έναν ήχο μέσα στην ομιλία. Το MP3 έχει ακριβώς τη διάρκεια της ανάγνωσης και ένα αίτημα δέχεται έως 5.000 χαρακτήρες.

Διάλεξε ανάμεσα σε 16 φωνές, από έναν ζεστό αφηγητή μέχρι μια εκλεπτυσμένη Βρετανίδα παρουσιάστρια, και γράψε σε πάνω από 90 γλώσσες. Ο οδηγός κείμενο σε ομιλία με AI καλύπτει αναλυτικά σενάρια και φωνές, και η σελίδα του μοντέλου Eleven Speech έχει δείγματα στα αγγλικά, ισπανικά, γαλλικά και ιαπωνικά.

• Βάλε το tag ακριβώς πριν από τη φράση που αλλάζει
• Χρησιμοποίησε αποσιωπητικά για παύσεις
• Χαμήλωσε το Stability για πιο εκφραστική ανάγνωση
• Γράψε τους αριθμούς ολογράφως όταν μετράει η προφορά

Το Eleven Music συνθέτει ένα νέο τραγούδι από μια περιγραφή, γράφει τους στίχους και τους τραγουδά, ή παίζει instrumental όταν ενεργοποιήσεις το Instrumental. Οι διάρκειες είναι ακριβώς 10, 30, 60, 120, 180 ή 300 δευτερόλεπτα. Περίγραψε το είδος, τη διάθεση, το τέμπο, τα όργανα, τον τραγουδιστή και το θέμα· γράψε ένα στυλ και όχι έναν καλλιτέχνη, γιατί τα prompts που αναφέρουν πραγματικό καλλιτέχνη ή παραθέτουν υπάρχοντες στίχους απορρίπτονται.

Για περισσότερα σχετικά με το πώς γράφεις prompts για τραγούδια, διάβασε τον οδηγό δημιουργία τραγουδιών με AI. Η σελίδα του μοντέλου Eleven Music έχει δείγματα από pop και R&B μέχρι reggaeton και lo-fi.

Με επί πληρωμή πλάνο, ένα αίτημα εκτελείται χωρίς Gems όταν χωράει στο πλάνο σου. Το Eleven Speech μετριέται με το μήκος του κειμένου: το Basic καλύπτει 750 χαρακτήρες ανά αίτημα (περίπου 50 δευτερόλεπτα ομιλίας), το Pro 1.500, το Pro Plus 3.250 και το Max 4.750. Το Eleven Music μετριέται με τη διάρκεια του τραγουδιού: το Basic καλύπτει τραγούδια 10 δευτερολέπτων, το Pro 30 δευτερολέπτων, το Pro Plus ενός λεπτού και το Max δύο λεπτών. Ό,τι είναι μεγαλύτερο εκτελείται με Gems, με 30 Gems ανά ξεκινημένο μπλοκ 250 χαρακτήρων για ομιλία και 3,75 Gems το δευτερόλεπτο για μουσική.

Σύγκρινε τα πλάνα στη σελίδα συνδρομής.

Οι προγραμματιστές καλούν τα POST /v1/eleven_speech/generate και POST /v1/eleven_music/generate στο Mage API, με ένα κλειδί και ένα υπόλοιπο Gems για κάθε μοντέλο του Mage. Η σελίδα του Mage API καλύπτει κλειδιά και τιμές. Αν συνδέσεις τον Mage MCP server, ο Claude, το ChatGPT και άλλοι βοηθοί μπορούν να διαβάσουν ένα σενάριο ή να γράψουν ένα τραγούδι για σένα μέσα στη συνομιλία, αναφέροντας πρώτα τα Gems.