Kilenc ElevenLabs beszédmodell érkezett az OpenRouterre
Az OpenRouterre kilenc ElevenLabs szövegfelolvasó és két beszédfelismerő modell érkezett. A szolgáltatásokat ugyanazzal az OpenRouter API-kulccsal lehet használni, amellyel a nyelvi modellek is elérhetők.
- Az OpenRouterre kilenc ElevenLabs szövegfelolvasó modell érkezett.
- Két beszédfelismerő modell, a Scribe v2 és a Scribe v2 Medical is elérhető.
- A használathoz OpenRouter API-kulcs kell, külön ElevenLabs-előfizetés nem.
- Minden ElevenLabs-modell 50 százalékos kedvezménnyel érhető el október 19-én, reggel 8 óráig PT idő szerint.
- A Scribe v2 beszélőcímkéket, szóidőzítéseket és hangeseményeket is kezelhet.
Egy API-kulccsal beszélhet és hallgathat az alkalmazás
Az OpenRouter 2026. október 7-i bejelentése szerint az ElevenLabs modelljei mostantól közvetlenül a platformon keresztül is használhatók. A vállalat közlése alapján ehhez nincs szükség külön ElevenLabs-előfizetésre. A szövegfelolvasást a POST /api/v1/audio/speech, a beszédfelismerést pedig a POST /api/v1/audio/transcriptions végponton lehet elindítani.
Ez azoknak lehet fontos, akik már egy OpenRouteren keresztül elérhető nyelvi modellel működtetik az alkalmazásukat. Az OpenRouter szerint az ilyen appok így hangot is kaphatnak: felolvashatnak hosszabb tartalmakat, hangalapú ügynökök válaszolhatnak, illetve beszélgetésekből készülhetnek átiratok.
Az OpenRouter minden ElevenLabs-modellre 50 százalékos kedvezményt ad a saját listaárához képest minden OpenRouter-ügyfélnek október 19-én, csendes-óceáni idő szerint reggel 8 óráig. A közlemény szerint az aktuális karakterenkénti árak az egyes modellek Text to Speech modelloldalain találhatók.
Kilenc szövegfelolvasó modell közül lehet választani
A kínálat csúcsán az Eleven v4 áll, amely legfeljebb 10 000 karakteres kéréseket fogad, és az OpenRouter leírása szerint kifejező narrációhoz, karakterhangokhoz és termékvideókhoz készült. A szövegben használható hangutasítások, például a [whispering], [laughing] vagy [curious], a közlés módját irányítják, és beleszámítanak a számlázott karakterekbe.
Valós idejű hangügynökökhöz az Eleven v4 Turbo ajánlott, amelynek díja a v4 modelléhez képest a közlemény szerint fele. Az Eleven v3 és az Eleven v3 Conversational szintén kifejező, illetve párbeszédre hangolt beszédet kínál.
Hosszabb, többnyelvű hanganyagokhoz a Multilingual v2 használható sebességszabályozással. A Flash v2.5 legfeljebb 40 000 karakteres kéréseket támogat, 32 nyelven érhető el, és nagyobb mennyiségű beszéd előállítására készült. A Flash v2 angol nyelvű, a Turbo v2.5 és Turbo v2 pedig korábbi, alacsony késleltetésű modellek, amelyeket a közlemény szerint a Flash váltott fel.
A modellek díjazása két szintre oszlik. Az Eleven v4, v3 és Multilingual v2 teljes karakterenkénti díjjal működik, míg a v4 Turbo, v3 Conversational, Flash és Turbo a díj felét számolja.
A beszédfelismeréshez két Scribe modell csatlakozik
A beszédfelismerő kínálat két modellből áll. A Scribe v2 általános átírásra használható, szóidőzítéseket, beszélőcímkéket és hangeseményeket is kezel, több mint 90 nyelven. A Scribe v2 Medical orvosi kifejezésekre finomhangolt változat, amely az OpenRouter közlése szerint klinikai hanganyagokon 35 százalékkal kevesebb hibát vét a Scribe v2-nél.
A két Scribe modell ugyanazt a kérésformátumot és másodpercenkénti árat használja. A mostani indulás része a fájlfeltöltéses átírás, a szó szintű időbélyegzés és a beszélők elkülönítése. A valós idejű, WebSocketen működő Scribe v2 azonban nem része a bejelentésnek.
Narráció, hangügynök és értekezleti jegyzet egy folyamatban
Az OpenRouter bemutatója egy háromlépcsős felhasználási folyamatot ismertet. Elsőként az Eleven v4 felolvassa a termékbemutató szövegét. Ha a szöveg hosszabb az egyetlen kérésben engedélyezett karakterszámnál, a fejlesztők bekezdéshatárok mentén több részre oszthatják, a szomszédos szövegrészek átadásával pedig egységesebb hanglejtést tarthatnak fenn.
A második lépésben a Scribe v2 átírja a felhasználó hangos kérdését, egy chatmodell megfogalmazza a választ, az Eleven v4 Turbo pedig felolvassa azt. Az OpenRouter szerint az audiohívások módosítása nélkül bármely, a katalógusban elérhető chatmodell használható. A bemutatóban az openai/gpt-5-mini szerepel.
A harmadik lépésben a Scribe v2 értekezleti felvételből készít beszélőcímkékkel ellátott jegyzetet. A válasz minden szavához beszélőazonosító, kezdési és befejezési idő, valamint megbízhatósági érték tartozhat. A beszélők ismert száma megadható a pontosabb elkülönítéshez, a hangesemények címkézése pedig például a nevetést is hozzáadhatja az átirathoz.
OpenRouter: ElevenLabs is now on OpenRouter
