ElevenLabs
Syntetyczne głosy nie do odróżnienia od prawdziwych, w każdym języku.
Karta Olyi
- Cechy szczególne
- To nie jeden model, lecz katalog, a wybór zawsze jest wymianą: Eleven v3 gra tekst, rozumie kontekst zdania i przyjmuje wskazówki co do tonu w ponad 70 językach, ale jest zbyt ciężki do pracy w czasie rzeczywistym; Flash v2.5 utrzymuje około 75 ms w 32 językach i w zamian rezygnuje właśnie z tej ekspresji. Wokół syntezy leży reszta warsztatu — natychmiastowe lub profesjonalne klonowanie głosu, dubbing, transkrypcja przez Scribe v2 w ponad 90 językach, agenci konwersacyjni — wszystko pod tym samym API. Płaci się kredytami, a kredyt to znak tekstu: uczciwy sposób liczenia, bo z góry mówi, ile kosztuje strona.
- Mocne strony
- Prawdziwa różnica ujawnia się na długim dystansie: pauzy, oddechy i interpunkcja nie rozsypują się po trzecim akapicie, a to właśnie tam zdradza się większość alternatyw. Sklonowany głos pozostaje rozpoznawalny przy zmianie języka, więc ten sam narrator może udźwignąć trzynaście wersji tej samej treści, nie brzmiąc jak trzynaście różnych osób. Niewykorzystane kredyty przechodzą na kolejne miesiące, maksymalnie przez dwa, co wybacza nierówne miesiące pracy.
- Kiedy jej używać
- Ma sens przy długiej narracji — audiobookach, dokumentach, podcastach, kursach — oraz przy lokalizowaniu istniejącego katalogu na wiele języków, łącznie z dubbingiem. Na drugim biegunie agenci głosowi w telefonie albo w produkcie to drugi przypadek, w którym cena się broni, bo opóźnienie Flasha jest na tyle niskie, że czekanie nie wygląda na awarię. Jeśli głos jest częścią doświadczenia, a nie dodatkiem, różnicę słychać.
- Kiedy jej unikać
- Rachunek rośnie ze znakami, więc przy przemysłowych ilościach powtarzalnego tekstu — powiadomieniach, komunikatach, automatach telefonicznych ze stałymi zdaniami — model open source na własnej maszynie kosztuje ułamek i nikt nie zauważy różnicy. Licencja komercyjna zaczyna się od planu za 6 dolarów, a profesjonalne klonowanie dopiero od tego za 22, więc plan darmowy służy do prób, nie do produkcji. A klonowanie głosu realnej osoby wymaga jej udokumentowanej zgody: to problem prawny, zanim stanie się techniczny, i oprogramowanie nie rozwiąże go za ciebie.