ElevenLabs发布了全新语音合成模型Flash，该模型以其超低的延迟——仅75毫秒——成为目前速度最快的文本转语音(TTS)解决方案。这一突破性进展特别适用于需要实时交互的对话式AI应用，显着提升了人机交互的流畅度和自然度。 Flash模型提供两个版本：Flash v2（支持英语）和Flash v2.5（支持32种语言），用户可通过ElevenLabs的对话AI平台和API直接体验。尽管在音质和情感表达上略逊于Turbo模型，但Flash在速度方面明显领先，在盲测中脱颖而出。
Flash 模型分为两个版本，其中Flash v2仅支持英语，而Flash v2.5则支持32种语言。使用这两种模型时，用户每生成两个字符将消耗1个积分点。尽管Flash 模型在音质和情感深度上稍逊于Turbo 模型，但其低延迟性能使其在盲测中超越了其他同类产品，成为同类模型中速度最快的选择。
ElevenLabs 的技术团队表示，Flash 模型的推出将极大地推动人机交互的流畅度与自然感。开发者可以通过API 直接调用模型ID “eleven_flash_v2” 和“eleven_flash_v2_5”，具体的API 参考资料可在ElevenLabs 官网找到。通过这一创新，ElevenLabs 期待能够开启更多低延迟、人性化的对话互动场景。
ElevenLabs 还提供了多种产品和解决方案，包括定制化的语音助手、音频制作工具和配音工作室，旨在帮助不同领域的用户和开发者实现高质量的AI 音频创作。此外，ElevenLabs 也在积极开展研究和开发，持续提升其产品的技术水平，以满足用户日益增长的需求。
划重点:
Flash 模型生成语音的延迟仅为75毫秒，适合低延迟的对话式语音助手。
Flash v2.5支持32种语言，用户生成每两个字符消耗1个积分。
在盲测中，Flash 模型表现优于其他同类产品，成为速度最快的文本转语音解决方案。
总而言之，ElevenLabs的Flash模型凭借其超低延迟和多语言支持，为对话式AI应用带来了新的可能性，也预示着未来人机交互将更加流畅自然。其在速度方面的优势，使其成为目前市场上领先的文本转语音解决方案之一，值得开发者和用户关注。