هوش مصنوعی Eleven v3 با انتقال احساس متن‌های فارسی را به گفتار تبدیل می‌کند

ویژگی‌های مدل هوش مصنوعی Eleven v3

شرکت Elevenlabs مدل جدید Eleven v3 را برای کاربردهای حرفه‌ای مانند تولید فیلم، کتاب صوتی و رسانه‌های دیجیتال معرفی کرده است. این مدل با قابلیت‌های پیشرفته گفتگوی چندنفره و پشتیبانی از بیش از ۷۰ زبان، تجربه تولید محتوا را متحول می‌کند. نسخه نهایی API عمومی آن بزودی عرضه خواهد شد. در حال حاضر، Eleven v3 با تخفیف ۸۰ درصدی تا پایان ژوئن (خرداد) روی وب‌سایت Elevenlabs در دسترس است. با این حال، برای کاربردهای بلادرنگ و گفتگوهای زنده، مدل‌های v2.5 Turbo و Flash همچنان توصیه می‌شوند، زیرا مدل v3 برای این موارد بهینه نشده و نسخه بلادرنگ آن هنوز در حال توسعه است.

Eleven v3 امکان کنترل دقیق تر شیوه بیان صداها را با استفاده از برچسب‌های صوتی درون متن فراهم می‌کند. شما می‌توانید با استفاده از برچسب‌هایی همچون [sighs] (آه کشیدن)، [excited] (هیجان‌زده) یا [whispers] (نجواکردن) احساسات و لحن‌های مختلف را به صورت مستقیم در متن مشخص کنید. همچنین امکان استفاده از چندین برچسب به طور همزمان برای ایجاد بیان‌های ظریف‌تر و دقیق‌تر هم وجود دارد.

نسخه جدید Eleven v3، با وجود امکانات بیان جدید و قدرتمند در برچسب‌های صوتی، در بخش کلون‌های صوتی حرفه‌ای (Professional Voice Clones) کیفیت کمتری نسبت به نسخه‌های قبلی ارائه می‌دهد. برای پروژه‌هایی که نیازمند کیفیت بالا در کلون‌های صوتی هستند، استفاده از کلون‌های صوتی آنی (Instant Voice Clones) یا صداهای ساخته شده پیشنهاد می‌شود.