दस्तावेज़ | ElevenLabs Documentation

ElevenLabs कैसे काम करता है

ElevenLabs AI वॉइस इंफ्रास्ट्रक्चर देता है: टेक्स्ट टू स्पीच, स्पीच टू टेक्स्ट, वॉइस क्लोनिंग, कन्वर्सेशनल एजेंट्स और जनरेटिव ऑडियो। आप इसे चार तरीकों से इस्तेमाल कर सकते हैं, जो अलग-अलग तरह के यूज़र्स के लिए बनाए गए हैं।

ElevenCreative एक नो-कोड वेब ऐप्लिकेशन है, जहाँ क्रिएटर्स, प्रोड्यूसर्स और एडिटर्स ब्राउज़र में सीधे वॉइसओवर, म्यूज़िक, डब और स्टूडियो प्रोजेक्ट्स बना सकते हैं।

ElevenAgents कन्वर्सेशनल वॉइस एजेंट्स को डिज़ाइन और ऑपरेट करने का प्लेटफ़ॉर्म है। इसमें गैर-तकनीकी यूज़र्स के लिए विज़ुअल बिल्डर और डेवलपर्स के लिए पूरा प्रोग्रामेटिक कंट्रोल है।

ElevenAPI हर क्षमता को आधिकारिक Python और TypeScript SDKs के साथ REST इंटरफ़ेस के रूप में उपलब्ध कराता है, ताकि डेवलपर्स अपनी ऐप्लिकेशन्स और वर्कफ़्लो में वॉइस जोड़ सकें।

Reception AI छोटे और मध्यम व्यवसायों के लिए तुरंत डिप्लॉय होने वाला AI फ़ोन रिसेप्शनिस्ट है, जो कॉल्स का जवाब देता है, अपॉइंटमेंट बुक करता है और एक ही डैशबोर्ड से रोज़मर्रा के काम संभालता है।

अवधारणाएँ

वॉइसेज़ ऑडियो जनरेशन में इस्तेमाल होने वाली स्पीच पर्सोना हैं। हर वॉइस की एक यूनिक ID होती है — जैसे JBFqnCBsd6RMkjVDRZzb — जिसे आप डैशबोर्ड में चुनते हैं या API रिक्वेस्ट में भेजते हैं। ElevenLabs के पास 10,000+ वॉइसेज़ की लाइब्रेरी है। आप ऑडियो रिकॉर्डिंग से वॉइस क्लोन कर सकते हैं या टेक्स्ट विवरण से नई वॉइस बना सकते हैं।

मॉडल्स जनरेट किए गए ऑडियो की क्वालिटी, लेटेंसी और भाषा कवरेज नियंत्रित करते हैं। eleven_v4 90+ भाषाओं में सबसे ज़्यादा अभिव्यक्तिपूर्ण आउटपुट देता है। eleven_v4_turbo लगभग 100ms की मीडियन इन्फ़रेंस लेटेंसी के साथ रियल-टाइम इस्तेमाल के लिए बनाया गया है। हर क्षमता — स्पीच टू टेक्स्ट, म्यूज़िक, साउंड इफेक्ट्स — का अपना समर्पित मॉडल है।

क्रेडिट्स हर प्रोडक्ट में इस्तेमाल होने वाली खपत की इकाई हैं। टेक्स्ट टू स्पीच में इनपुट टेक्स्ट के हर कैरेक्टर पर एक क्रेडिट लगता है। अन्य ऑपरेशन्स में प्रोसेस किए गए ऑडियो के हर सेकंड के हिसाब से शुल्क लिया जाता है। क्रेडिट्स हर महीने रीसेट होते हैं और इस्तेमाल न हुए क्रेडिट्स दो महीने तक रोल ओवर होते हैं। पूरा विवरण देखने के लिए प्राइसिंग देखें।