ElevenLabs近期正式发布了其最新人声合成模型Flash，宣称这是目前最快的文本转语音（TTS）解决方案，语音生成延迟仅为75毫秒（包括应用和网络延迟）。Flash特别适合用于低延迟的对话式语音助手，用户可立即在ElevenLabs的对话AI平台上体验这一新功能。
Flash模型分为两个版本，Flash v2仅支持英语，而Flash v2.5支持32种语言。使用这两种模型时，每生成两个字符将消耗1个积分点。虽然Flash模型在音质和情感深度上略逊于Turbo模型，但其低延迟性能在盲测中超越了其他同类产品，成为速度最快的文本转语音解决方案。
ElevenLabs的技术团队表示，Flash模型的推出将大幅提升人机交互的流畅度和自然度。开发者可通过API直接调用模型ID“eleven_flash_v2”和“eleven_flash_v2_5”，具体API参考资料可在ElevenLabs官网查阅。通过这一创新，ElevenLabs期望能够开启更多低延迟、人性化的对话互动场景。
ElevenLabs还提供多种产品和解决方案，包括定制化的语音助手、音频制作工具和配音工作室，旨在帮助不同领域的用户和开发者实现高质量的AI音频创作。此外，ElevenLabs也在积极研究和开发，不断提升其产品技术水平，以满足用户不断增长的需求。
🌟 Flash模型生成语音的延迟仅为75毫秒，适合低延迟的对话式语音助手。
🌍 Flash v2.5支持32种语言，用户生成每两个字符消耗1个积分。
🚀 在盲测中，Flash模型表现优于其他同类产品，成为速度最快的文本转语音解决方案。
暂无评论