音声をデザイン。

作成する音声に使用する説明。

音声生成に使用するモデル。指定可能な値：eleven_multilingual_ttv_v2、eleven_ttv_v3。

生成するテキスト。テキストの長さは100～1000文字である必要があります。

音声説明に適したテキストを自動生成するかどうか。

生成される音声の音量レベルを制御します。-1が最も小さく、1が最も大きく、0はおよそ-24 LUFSに相当します。

音声生成を制御する乱数。同じ入力で同じシードを使用すると、同じ音声が生成されます。

AIがプロンプトにどの程度厳密に従うかを制御します。値が低いほどAIはより自由に創造性を発揮でき、値が高いほどプロンプトに厳密に従います。値が高いと、音声が不自然またはロボットのように聞こえることがあります。Guidance Scaleが低い場合は、より長く詳細なプロンプトを使用することをおすすめします。

レスポンスにText to Voiceのプレビューを含めるかどうかを決定します。trueの場合、生成されたIDのみが返され、/v1/text-to-voice/:generated_voice_id/streamエンドポイントでストリーミングできます。

AIを使用して音声説明をより詳細にし、音声生成の品質を向上させるかどうか。有効にすると、システムは簡単なプロンプトをより詳細な音声説明へ自動的に展開します。デフォルトはFalseです

リミックスセッションID。

これらの生成結果を紐付けるリミックスセッションのイテレーションID。指定しない場合、新しいイテレーションが作成されます。

品質を高くすると音声出力は向上しますが、バリエーションは少なくなります。

音声生成に使用する参照オーディオです。オーディオはbase64エンコードする必要があります。eleven_ttv_v3モデル使用時のみサポートされます。

音声サンプル生成時のプロンプトと参照オーディオのバランスを制御します。0はプロンプトの影響がほとんどないことを、1は参照オーディオの影響がほとんどないことを意味します。eleven_ttv_v3モデル使用時のみサポートされます。