ElevenLabs Multilingual V2 is a multilingual text-to-speech model

eleven_multilingual_v2

Our most life-like, emotionally rich mode in 29 languages. Best for voice overs, audiobooks, post-production, or any other content creation needs

サンプル

ElevenLabs Multilingual V2 is a multilingual text-to-speech model example 1

パラメータ

名前既定制約説明
voice_id *声音idtext
language_codeISO 639-1语言codetext
similarity_boostSimilarity Boostslider0.750 ~ 1 · step 0.05
stabilityStabilityslider0.50 ~ 1 · step 0.05

出力フィールド

フィールド説明
audio_urlstring

API

統一 REST API でこのモデルを呼び出せます。API Keys ページでキーを取得してください。

cURL
# 1) Submit — returns { "task_uuid": "..." }
curl -X POST "https://www.namifusion.com/api/v1/marketplace/run/eleven_multilingual_v2" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "input": {
    "voice_id": "JBFqnCBsd6RMkjVDRZzb",
    "language_code": "en",
    "similarity_boost": 0.8,
    "stability": 0.55
  }
}'

# 2) Poll until status is "completed", then read the output URLs
curl "https://www.namifusion.com/api/v1/marketplace/run/tasks/TASK_UUID" \
  -H "Authorization: Bearer YOUR_API_KEY"
Python
import time, requests

API_KEY = "YOUR_API_KEY"
HEADERS = {"Authorization": f"Bearer {API_KEY}"}

# 1) Submit
resp = requests.post(
    "https://www.namifusion.com/api/v1/marketplace/run/eleven_multilingual_v2",
    headers=HEADERS,
    json={
        "input": {
            "voice_id": "JBFqnCBsd6RMkjVDRZzb",
            "language_code": "en",
            "similarity_boost": 0.8,
            "stability": 0.55
        }
    },
)
resp.raise_for_status()  # 401/402/429/5xx stop here instead of polling a bad task
task = resp.json()

# 2) Poll until a terminal state (completed / failed / cancelled).
#    This model is allowed up to 300s server-side.
deadline = time.time() + 360
while task.get("status") not in ("completed", "failed", "cancelled"):
    if time.time() > deadline:
        raise TimeoutError(f"still {task.get('status')} — keep the task_uuid and poll later")
    time.sleep(3)
    poll = requests.get(f"https://www.namifusion.com/api/v1/marketplace/run/tasks/{task['task_uuid']}", headers=HEADERS)
    poll.raise_for_status()
    task = poll.json()

print(task["status"], task.get("output"))
JavaScript
const API_KEY = "YOUR_API_KEY";
const HEADERS = { Authorization: `Bearer ${API_KEY}` };

// 1) Submit
const resp = await fetch("https://www.namifusion.com/api/v1/marketplace/run/eleven_multilingual_v2", {
  method: "POST",
  headers: { ...HEADERS, "Content-Type": "application/json" },
  body: JSON.stringify({
    "input": {
      "voice_id": "JBFqnCBsd6RMkjVDRZzb",
      "language_code": "en",
      "similarity_boost": 0.8,
      "stability": 0.55
    }
  }),
});
if (!resp.ok) throw new Error(`submit failed: ${resp.status} ${await resp.text()}`);
let task = await resp.json();

// 2) Poll until a terminal state (completed / failed / cancelled).
//    This model is allowed up to 300s server-side.
const deadline = Date.now() + 360 * 1000;
while (!["completed", "failed", "cancelled"].includes(task.status)) {
  if (Date.now() > deadline) throw new Error(`still ${task.status} — keep the task_uuid and poll later`);
  await new Promise((r) => setTimeout(r, 3000));
  const poll = await fetch(`https://www.namifusion.com/api/v1/marketplace/run/tasks/${task.task_uuid}`, { headers: HEADERS });
  if (!poll.ok) throw new Error(`poll failed: ${poll.status}`);
  task = await poll.json();
}

console.log(task.status, task.output);

ドキュメント

Multilingual V2

高速・高自然度・低コストを両立した多言語テキスト読み上げモデルです。

Multilingual V2 は、ElevenLabs が提供する多言語テキスト読み上げモデルです。書かれたテキストを自然で表現力のある音声に変換でき、無冷启动、安定した品質、そして文字数ベースの分かりやすい価格設定により、リアルタイム用途から本番運用まで幅広く適しています。

🚀 主な特長

  • 高い自然さ:人間らしい抑揚、間、テンポで、聞き取りやすく自然な音声を生成します。
  • 多言語対応:多言語音声合成向けに最適化されており、発音精度やアクセント処理に優れています。
  • 音声表現の調整が可能similaritystability により、話者らしさと安定感のバランスを細かく調整できます。
  • Speaker Boost:英語の数字、日付、単位などの読み上げ品質を改善し、業務用途でも使いやすい出力を実現します。
  • コールドスタートなし:対話型アプリケーションや高頻度処理でも扱いやすい設計です。
  • 導入しやすい価格:文字数単位の明確な課金体系で、試作から量産までコスト管理がしやすくなっています。

🛠️ 技術仕様

項目内容
モデルアーキテクチャ多言語テキスト読み上げ(TTS)モデル
モデル IDelevenlabs/multilingual-v2
入力テキスト(string)
出力音声
最大入力長10000 文字
課金単位1 文字 = 1 token、実際の文字数に基づいて課金
音声選択voice_id、既定値 Alice、組み込み音声およびカスタム音声に対応
類似度調整similarity:0.0〜1.0、既定値 1
安定性調整stability:0.0〜1.0、既定値 0.5
英語正規化補助use_speaker_boost:boolean、既定値 true
ポーズ制御単語間に <#x#> を入れることで間の長さを制御可能(0.01〜99.99 秒)
レイテンシ固定の公開値はありませんが、無冷启动・高速推論を訴求しています
主な用途ナレーション、ボイスオーバー、学習コンテンツ、製品紹介動画、カスタマーサポート

サンプルプロンプト

注:本モデルはテキスト読み上げモデルのため、以下は入力テキストの例です。

  1. Welcome to our product demo. Today we will walk through the key features and benefits in under two minutes.
  2. Your order will arrive on Friday <#0.5#> between 2 PM and 5 PM. Thank you for shopping with us.
  3. The total balance is 1,245 dollars and 80 cents, due on September 15.

💰 価格

項目価格
基本料金$0.1 / 1000 文字

💡 最適なユースケース

  • マーケティング・ブランドコンテンツ:製品紹介、広告、SNS 向け動画のボイスオーバーに適しています。
  • 教育・研修:講義音声、語学教材、社内研修コンテンツのナレーション生成に有効です。
  • グローバル向けサービス:多言語アプリ、Web サービス、国際向けプロダクトの音声体験を強化できます。
  • カスタマーサポート・自動案内:数字、日付、時刻、単位を多く含む英語音声案内や通知音声に適しています。

🔗 関連モデル

  • Elevenlabs Multilingual V1:旧世代の多言語モデルで、出力傾向の比較や既存運用との整合確認に適しています。
  • Elevenlabs Music:音声読み上げではなく、音楽関連生成向けの別モデルです。