Eleven v3 语音模型正式全量开放，符号与数字朗读错误率下降 68%

Eleven v3，我们最先进的 文本转语音 模型，现已结束 Alpha 阶段并正式发布。

自 Alpha 版本发布以来，我们持续对模型进行优化。两项关键改进：

更稳定。 在测试中，用户有 72% 的情况下更偏好新版本，而非之前的 Alpha 版本。

更准确。 我们显著改进了模型处理跨语言数字、符号和专业记号的方式。

准确率改进

文本转语音模型需要理解你写的内容并决定如何朗读。相同的符号在不同语境下可能含义不同。

以电话号码为例："+49 170 9876543"

在某些情况下，我们的模型会将其读作 "plus forty-nine, one hundred seventy, nine million eight hundred seventy-six thousand five hundred forty-three"——将数字解读为大数而非数字序列。正确的读法是 "plus four nine, one seven zero, nine eight seven six five four three。"

这类错误出现在各个类别中——体育比分、化学式、货币、坐标——凡是模型需要解读符号并决定如何发音的地方。

我们针对覆盖 8 种语言、27 个类别的内部基准进行了测试。

总体： 错误减少 68%。错误率从 15.3% 降至 4.9%。

各类别错误率：

改进在那些由语境决定解读的类别中最为显著——在这些类别中，冒号可能表示体育比分、时间或宽高比，取决于周围的文本。

示例

货币 —— 正确的数量级：

输入：  ¥250,000

之前：25,000 日元

之后：  250,000 日元

化学式 —— 符号正确保留：

输入：  SO₂

之前："sulfur double"（乱码）

之后：  "S O two"

体育比分 —— 语境感知解读：

输入：  最终比分：102-98

之前："one hundred two minus ninety-eight"

之后：  "one hundred two to ninety-eight"

可用性

Eleven v3 现已在所有平台正式发布。