ポーズとSSML音素タグはAPIで使えますか？

ポーズ：

API経由でオーディオを生成する際に、breakタグを使用できます。これにより、音声に正確で自然なポーズを入れられます。単に単語間に無音を追加するのではなく、AIがこの構文を実際に理解し、自然なポーズを追加します。

breakタグの構文は<break time="1.5s" />です。AIは最大3秒のポーズに対応しています。

Eleven v4とEleven v3を除くすべてのモデルは、SSML breakタグに対応しており、API経由でオーディオを生成する際に使用できます。

Eleven v4またはEleven v3を使用している場合は、オーディオタグ、句読点、テキスト構造を使ってポーズを制御してください。Eleven v4のプロンプト作成をご覧ください。

詳しくは、プロンプト作成ガイドのポーズセクションをご覧ください。

音素：

Eleven v4では、IPAのネイティブサポートが改善されています。詳しくは、Eleven v4でのIPAをご覧ください。

Eleven Flash v2およびEleven Turbo v2モデルはSSML音素タグに対応しており、これらのモデルでAPI経由のオーディオ生成時に使用できます。

音素は英語モデルでのみ利用でき、現在は他の言語ではサポートされていません。

音素タグの使用方法の詳細については、プロンプト作成ガイドの発音セクションをご覧ください。