Eleven Flash v2.5

Eleven Flash v2.5はElevenLabsで最速の音声合成モデルで、音声エージェントなど、音質の作り込みよりも応答時間が重要なアプリケーション向けに作られています。ネットワークとアプリケーション側のオーバーヘッドを除いて、約75ミリ秒で音声を生成します。対応は32言語で、以前のFlash v2にはなかったハンガリー語、ノルウェー語、ベトナム語なども加わっています。ElevenLabsはこれを、フラッグシップのMultilingual v2モデルの文字あたり約半額で提供しています。そのため、300ミリ秒のモデルでは遅く感じられる対話型AIの製品、ライブのカスタマーサポートボット、そのほかのリアルタイム音声インターフェースで標準的な選択肢になっています。その代わり表現力は控えめです。Flash v2.5はクリーンで速い音声ですが、ElevenLabsがEleven v3に組み込んだ感情表現の幅はありません。