Eleven Realtime का परिचय: प्राकृतिक वॉइस एजेंट बनाने का सरल तरीका

लेख में क्या कहा गया है

ElevenLabs ने वॉइस एजेंटों के लिए दो स्पीच-टू-स्पीच मॉडल, Eleven Realtime, लॉन्च किए हैं। स्वाभाविक वॉइस एजेंट बनाने में आम तौर पर वाक् पहचान, वॉइस गतिविधि पहचान, बारी-बारी बोलने का प्रबंधन, LLM और टेक्स्ट-टू-स्पीच को अलग-अलग चुनना और ट्यून करना पड़ता है; ElevenLabs का कहना है कि उसने पूरे स्टैक को शुरू से अंत तक ट्यून किया है और ElevenAgents में कुछ निर्णय समायोज्य रखे हैं।

दोनों मॉडल 90 से अधिक भाषाओं और 17,000 से अधिक आवाज़ों का समर्थन करते हैं: v1 Mini कम लागत की स्वाभाविक बातचीत के लिए और v1 Max ग्राहक सहायता व लीड योग्यता जैसे जटिल कार्यों के लिए। Artificial Analysis के अनुसार v1 Max Big Bench Audio के 98.8% प्रश्नों का सही उत्तर देता है, और पहली ध्वनि तक 0.57 सेकंड लगते हैं। ElevenAgents में मॉडल ड्रॉपडाउन से चुना जाता है; OpenAI की Realtime विशिष्टता का पालन करने वाले Realtime API में एंडपॉइंट और मॉडल नाम बदलना काफ़ी है, पर केवल WebSocket पर और चैनल या नॉलेज बेस जैसी प्लेटफ़ॉर्म सुविधाओं के बिना।

आधिकारिक लेख पढ़ें AnnuIA प्रोफ़ाइल

यह सारांश AnnuIA ने ElevenLabs के आधिकारिक पृष्ठ के आधार पर अपने शब्दों में लिखा है। सामग्री और अधिकार प्रकाशक के हैं: कृपया मूल लेख पढ़ें।

सभी समाचार