ElevenLabs در Mage

دو مدل. Eleven Speech همان تبدیل متن به گفتار ElevenLabs است که با Eleven v4، گویاترین مدل صدای آن، اجرا می‌شود: 16 صدا، بیش از 90 زبان، و تگ‌های صوتی مثل [whispers]، [laughs] یا [door creaks] که خواندن را خط‌به‌خط هدایت می‌کنند. Eleven Music مدل موسیقی ElevenLabs است: آهنگ کامل با متن و صدای خواننده، یا بی‌کلام، از 10 ثانیه تا 5 دقیقه.

هر دو از طریق خود ElevenLabs اجرا می‌شوند، پس صداها و آهنگ‌ها همان‌هایی هستند که ElevenLabs می‌سازد. به‌جای اشتراک جداگانه ElevenLabs، با حساب Mage از آن‌ها استفاده می‌کنی: با Gem در هر پلن، یا نامحدود در پلن پولی تا مدتی که هر پلن پوشش می‌دهد.

Mage یک پلتفرم خلاقانه مستقل است و بخشی از ElevenLabs نیست. چیزی که اضافه می‌کند همه‌چیز در اطراف صداست: مدل‌های تصویر مثل Mango 3 و Nano Banana، مدل‌های ویدیو مثل Cherry 2 Pro، شخصیت‌های ذخیره‌شده که چهره و صدایشان در همه کلیپ‌ها ثابت می‌ماند، و اپ‌هایی مثل Lipsync و Music Video که صدا را روی صفحه می‌آورند.

Eleven v4 پیش از گفتن، کل متن را می‌خواند، برای همین تأکید، ریتم و احساس صدا با معنای متن هماهنگ است. تگ‌های داخل کروشه آن را هدایت می‌کنند: [excited]، [sarcastic] و [softly] احساس را تغییر می‌دهند؛ [whispers] و [shouting] بلندی صدا را؛ [sighs] و [laughs] یک واکنش اضافه می‌کنند؛ [door creaks] یا [applause] صدایی را وارد گفتار می‌کنند. طول فایل MP3 دقیقاً به اندازه‌ی خواندن متن است و هر درخواست تا ۵٬۰۰۰ نویسه را پشتیبانی می‌کند.

از میان ۱۶ صدا، از یک قصه‌گوی گرم تا یک گوینده‌ی شسته‌رفته‌ی بریتانیایی، انتخاب کنید و به بیش از ۹۰ زبان بنویسید. راهنمای تبدیل متن به گفتار با هوش مصنوعی نوشتن متن و انتخاب صدا را به‌طور کامل توضیح می‌دهد و صفحه‌ی مدل Eleven Speech نمونه‌هایی به انگلیسی، اسپانیایی، فرانسوی و ژاپنی دارد.

• تگ را درست قبل از جمله‌ای بگذارید که قرار است تغییرش دهد
• برای مکث از سه‌نقطه استفاده کنید
• برای خوانش گویاتر، پایداری را کمتر کنید
• وقتی نحوه‌ی خواندن مهم است، عددها را با حروف بنویسید

Eleven Music از روی یک توصیف، آهنگ تازه‌ای می‌سازد، برایش متن ترانه می‌نویسد و آن را می‌خواند، یا وقتی گزینه‌ی بی‌کلام را روشن کنید، قطعه‌ای بی‌کلام می‌نوازد. مدت‌زمان‌ها دقیقاً ۱۰، ۳۰، ۶۰، ۱۲۰، ۱۸۰ یا ۳۰۰ ثانیه است. سبک، حال‌وهوا، تمپو، سازها، خواننده و موضوع را توصیف کنید؛ به‌جای نام یک هنرمند، یک سبک را نام ببرید، چون پرامپت‌هایی که نام هنرمند واقعی را بیاورند یا ترانه‌ای موجود را نقل کنند رد می‌شوند.

برای اطلاعات بیشتر درباره‌ی نوشتن پرامپت آهنگ، راهنمای آهنگ‌ساز با هوش مصنوعی را بخوانید. صفحه‌ی مدل Eleven Music نمونه‌هایی از پاپ و R&B تا رگائتون و lo-fi دارد.

در پلن‌های پولی، اگر درخواستت در محدوده پلن باشد بدون Gems اجرا می‌شود. Eleven Speech بر اساس طول متن سنجیده می‌شود: پلن Basic در هر درخواست 750 کاراکتر (حدود 50 ثانیه گفتار) را پوشش می‌دهد، Pro 1,500، Pro Plus 3,250 و Max 4,750 کاراکتر. Eleven Music بر اساس طول آهنگ سنجیده می‌شود: Basic آهنگ‌های 10 ثانیه‌ای را پوشش می‌دهد، Pro 30 ثانیه، Pro Plus یک دقیقه و Max دو دقیقه. هر چیزی طولانی‌تر با Gems اجرا می‌شود: برای گفتار 30 Gems به ازای هر بلوک 250 کاراکتری (حتی ناقص) و برای موسیقی 3.75 Gems در هر ثانیه.

پلن‌ها را در صفحه‌ی عضویت مقایسه کنید.

توسعه‌دهندگان در Mage API از POST /v1/eleven_speech/generate و POST /v1/eleven_music/generate استفاده می‌کنند، با یک کلید و یک موجودی Gem برای همه‌ی مدل‌های Mage. صفحه‌ی Mage API درباره‌ی کلیدها و قیمت‌ها توضیح می‌دهد. سرور Mage MCP را وصل کنید تا Claude، ChatGPT و دستیارهای دیگر بتوانند در همان گفتگو برایتان متنی را بخوانند یا آهنگی بنویسند و پیش از اجرا، هزینه‌ی Gem را اعلام کنند.