رفتن به محتوای اصلی
هوشوانا

ElevenLabs · متن به گفتار

Eleven Multilingual v2

elevenlabs/eleven_multilingual_v2

Eleven Multilingual v2 مدل پایدار ElevenLabs برای تولید گفتار باکیفیت در ۲۹ زبان است. در متن‌های بلند ثبات بسیار خوبی دارد، اما فارسی جزو زبان‌های رسمی آن نیست و برای فارسی بهتر است از Eleven v3 استفاده کنید.

  • ورودی صوت
  • استریم

هزینه‌ی تقریبی کارهای رایج

برآورد بر اساس میانگین توکن هر کار. عدد دقیق را در لاگ داشبورد می‌بینید.

  • خواندن یک متن ۱۰۰۰ کاراکتری

    حدوداً ۲۳٬۶۰۰ تومان

  • یک قسمت پادکست حدوداً ۱۰ دقیقه‌ای

    حدوداً ۲۱۲٬۴۰۰ تومان

  • ۱۰۰ پیام صوتی کوتاه

    حدوداً ۴۷۲٬۰۰۰ تومان

نقاط قوت و کاربردها

  • ثبات عالی در متن‌های بلند
  • صدای طبیعی در زبان‌های پشتیبانی‌شده
  • تا ۱۰ هزار کاراکتر در هر درخواست

بهترین گزینه برای

  • صداگذاری انگلیسی و عربی
  • کتاب صوتی چندزبانه
  • ویدئوی آموزشی بین‌المللی
  • روایت مستند

ارزیابی هوشوانا

کیفیت فارسی

۲ از ۵ (متوسط)

هوش

۴ از ۵ (خیلی خوب)

سرعت

۳ از ۵ (خوب)

امتیازها ارزیابی داخلی تیم هوشواناست و با داده‌ی شما ممکن است متفاوت باشد.

مشخصات فنی

شناسه‌ی مدل
elevenlabs/eleven_multilingual_v2
سازنده
ElevenLabs
نوع
متن به گفتار
طول کانتکست
۱۰ هزار توکن
حداکثر خروجی
-
تاریخ انتشار
۳۱ مرداد ۱۴۰۲
سازگاری
OpenAI
آخرین به‌روزرسانی
۲۲ مهر ۱۴۰۵

نمونه‌کد با شناسه‌ی دقیق مدل

کلید را از داشبورد بسازید و در متغیر محیطی HOOSHVANA_API_KEY بگذارید. راهنمای شروع سریع

cURL
curl https://hooshvana.ir/api/v1/audio/speech \
  -H "Authorization: Bearer $HOOSHVANA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "elevenlabs/eleven_multilingual_v2",
    "input": "سلام! به هوشوانا خوش آمدید.",
    "voice": "alloy"
  }' --output hello.mp3

این مدل در این دسته‌ها هم هست

مدل‌های مشابه

همه‌ی مدل‌ها
  • Eleven v3

    elevenlabs/eleven_v3

    محبوب

    Eleven v3 مدل گفتار احساسی ElevenLabs است که بیش از ۷۰ زبان از جمله فارسی را پشتیبانی می‌کند. با تگ‌های صوتی می‌توان خنده، مکث و هیجان را کنترل کرد و گفت‌وگوی چندگوینده ساخت؛ بهترین انتخاب کاتالوگ برای گفتار فارسی طبیعی است.

    هر ۱۰۰۰ کاراکتر
    ۲۳٬۶۰۰ تومان
    متن به گفتار۵ هزار توکنورودی صوتفارسی ۴ از ۵
  • Eleven Flash v2.5

    elevenlabs/eleven_flash_v2_5

    Eleven Flash v2.5 مدل سریع و اقتصادی ElevenLabs با تأخیر حدود ۷۵ میلی‌ثانیه است که ۳۲ زبان را پشتیبانی می‌کند. نصف قیمت مدل‌های چندزبانه است و برای دستیارهای صوتی و پاسخ بلادرنگ ساخته شده است.

    هر ۱۰۰۰ کاراکتر
    ۱۱٬۸۰۰ تومان
    متن به گفتار۴۰ هزار توکنورودی صوتاستریم
  • Eleven Turbo v2.5

    elevenlabs/eleven_turbo_v2_5

    Eleven Turbo v2.5 مدل متعادل ElevenLabs بین کیفیت و سرعت است که با قیمت Flash، صدایی کمی غنی‌تر تولید می‌کند. برای محتوای کوتاه و متوسطی که هم سرعت و هم کیفیت مهم است مناسب است.

    هر ۱۰۰۰ کاراکتر
    ۱۱٬۸۰۰ تومان
    متن به گفتار۴۰ هزار توکنورودی صوتاستریم

Eleven Multilingual v2 را همین حالا امتحان کنید