Vercel, AI Gateway'a 14 ElevenLabs ses modelini %50 lansman indirimiyle ekledi

Vercel ve ElevenLabs ortaklığıyla, 14 ElevenLabs ses modelini AI Gateway'e — Vercel'in AI modellerini çağırmak için sunduğu birleşik API'sine — getirdi. Lansmanı kutlamak için gateway'deki tüm ElevenLabs modelleri ilk 14 gün boyunca yarı fiyatına sunuluyor; indirim 9 Kasım'a kadar geçerli.

Lansmanla gelenler

Vercel'e göre gateway artık altı kategoride ElevenLabs ses modelini kapsıyor ve tümüne tek bir API anahtarıyla erişilebiliyor:

• Konuşmadan metne: kayıtları transkribe etmek ya da canlı sesi anında alt yazıya çevirmek için
• Akışlı metinden konuşmaya: bir dil modeli yanıtı hâlâ oluştururken sesi çalmaya başlıyor, böylece kullanıcılar üretim bitmeden yanıtın başını duyuyor
• Gerçek zamanlı ses ajanları: tek bir oturumda kullanıcıyla canlı sözlü bir sohbet yürütüyor — Vercel destek hatları, eğitmenler ve uygulama içi asistanları doğal kullanım alanları olarak gösteriyor
• Müzik üretimi: düz metin açıklaması, istenen uzunlukta bitmiş bir şarkı ya da enstrümantal parça döndürüyor
• Ses efektleri: oyun ve arayüz seslerinin yanı sıra döngüye alınabilen ortam seslerini kapsıyor
• Çok sesli diyalog: birkaç farklı konuşmacının seslendirdiği bir sohbet tek bir çağrıyla geri geliyor

Vercel, gateway üzerinden yapılan isteklerin geliştiricinin diğer AI Gateway trafiğiyle aynı kullanım, maliyet ve trace panolarında göründüğünü belirtiyor.

Birleştirilebilir konuşma hatları

Duyurunun büyük bölümü parçaların birbirine nasıl uyduğunu anlatıyor. Scribe v2 Realtime kullanıcı konuşurken onun sözlerini metne çeviriyor; ardından geliştiricinin seçtiği bir dil modelu bir yanıt taslağı hazırlıyor ve düşük gecikmeli bir ses modeli olan Eleven Flash v2.5 bu yanıtı akarken sesli olarak okuyor. Transkripsiyon, akıl yürütme ve konuşma ayrı adımlar olduğundan her biri hattın geri kalanını bozmadan değiştirilebiliyor.

Gerçek zamanlı ses ajanları

Doğal karşılıklı konuşmanın önemli olduğu senaryolarda Eleven Realtime v1 Max ve Eleven Realtime v1 Mini tüm sözlü etkileşimi tek bir modelde, tek bir WebSocket oturumu üzerinden yönetiyor; ayrıca bağlanacak transkripsiyon ya da konuşma adımları yok. Vercel, sunucunun tek işinin seçilen model için kısa süreli bir token üretmek olduğu bir tarayıcı kurulumu anlatıyor; böylece API anahtarı istemciden uzak tutuluyor. Bu modeller kullanıcının konuşmayı bitirip bitirmediğini anlamak için semantik ses aktivitesi algılamasına dayanıyor ve sunucu tarafı VAD desteklemiyor.

Müzik, ses efektleri ve çok sesli diyalog

Music v2.5 ve Music v2, metin açıklamasından — tür, ruh hali, enstrümanlar, uzunluk, vokalli ya da vokalsiz — özgün parçalar üretiyor; şarkılar bölüm bölüm, her bölüm kendi tarzı ve süresiyle planlanabiliyor. Sound Effects v2 ise ayak sesleri, çarpan kapılar ya da bir oyun bölümünün altında kesintisiz döngüye alınabilen yağmur sesi gibi daha kısa seslere odaklanıyor.

Diyalog tarafında Eleven v4, Eleven v4 Turbo ve Eleven v3 çok konuşmacılı bir senaryoyu tek istekte seslendiriyor. Geliştiriciler her repliğe bir ses atıyor ve iki sunuculu bir podcast ya da geniş kadrolu bir sahne, birleştirilecek hiçbir şey olmadan tek bir kesintisiz kayıt olarak geliyor. Senaryo parçaları ayrıca diyalogu anında yazan bir dil modelinden akışla alınabiliyor.

Fiyatlandırma ve platform ayrıntıları

Vercel, AI Gateway'i model çağrıları için tek bir API olarak konumlandırıyor; kullanım ve maliyet takibi, yeniden deneme, failover ve şirketin sağlayıcılara doğrudan bağlanmaktan daha yüksek çalışma süresi sunduğunu söylediği performans iyileştirmeleri içeriyor. Hizmet ayrıca özel raporlama, Zero Data Retention desteği, anahtar başına bütçeler ve yönlendirme kuralları sunuyor. Fiyatlandırma sağlayıcının ücrettiyle aynı; ne ek kâr marjı var ne de çıkarım üzerinde platform ücreti — Bring Your Own Key istekleri dahil.

Neden önemli

Ses, AI yığınında çoğu zaman sakıncalı parça olmuştur: transkripsiyon, akıl yürütme ve konuşmayı bir araya getiren geliştiriciler tipik olarak birkaç sağlayıcı anahtarı ve fatura hesabı arasında debelenir. 14 ElevenLabs modelini tek bir gateway anahtarının arkasına — metin modelleri için zaten kullanılan gözlemlenebilirlik, bütçeleme ve failover araçlarıyla birlikte — yerleştirmek, sesi sonradan ekilen bir parça olmaktan çıkarıp hattın birinci sınıf bir bileşeni yapıyor. 9 Kasım'a kadar sürecek %50'lik tanıtım fiyatı denemeye başlama engelini düşürüyor. Vercel platformunda zaten ajanlar geliştiren ekipler için artık sözlü bir asistan, üretilmiş bir film müziği ya da çok sesli bir podcast, bunları yönlendiren dil modelleriyle aynı API yüzeyinden oluşturulabiliyor.