Vai alla navigazione
Guide praticheText to Speech

Utilizzare i dizionari di pronuncia

Questa guida mostra come gestire i dizionari di pronuncia a livello di codice.

Guida pratica · Presuppone che tu abbia completato la guida rapida di ElevenAPI.

Panoramica

I dizionari di pronuncia ti consentono di personalizzare il modo in cui il tuo agente IA pronuncia parole o frasi specifiche. Sono particolarmente utili per:

  • Correggere la pronuncia di nomi, luoghi o termini tecnici
  • Garantire una pronuncia coerente nelle conversazioni
  • Personalizzare le varianti di pronuncia regionali

ElevenLabs supporta sia gli alfabeti IPA sia CMU.

I tag dei fonemi nei dizionari di pronuncia funzionano solo con i modelli eleven_v4, eleven_v4_turbo, eleven_flash_v2 e eleven_v3.

Gli altri modelli ignorano i tag dei fonemi del dizionario e usano la pronuncia predefinita. Per gli altri modelli, usa invece i tag alias per sostituire grafie o frasi che producono la pronuncia desiderata.

Se vuoi usare le pronunce IPA e CMU in lingue diverse dall’inglese, dovrai passare al modello eleven_v4 o eleven_v4_turbo.

Guida rapida

Questa guida presuppone che tu abbia configurato la chiave API e l’SDK. Completa prima la guida rapida, se non l’hai ancora fatto.

1

Crea un file di dizionario di pronuncia

In questo esempio, creeremo un file di dizionario di pronuncia per la parola tomato.

Questa regola utilizzerà l’alfabeto “IPA” e aggiornerà la pronuncia di tomato e Tomato con una pronuncia diversa. I file PLS distinguono tra maiuscole e minuscole, per questo includiamo entrambe le versioni, con e senza la “T” maiuscola.

Puoi usare strumenti di IA come Claude o ChatGPT per generare le notazioni IPA o CMU per parole specifiche.

dictionary.pls
<?xml version="1.0" encoding="UTF-8"?>
<lexicon version="1.0"
    xmlns="http://www.w3.org/2005/01/pronunciation-lexicon"
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xsi:schemaLocation="http://www.w3.org/2005/01/pronunciation-lexicon
        http://www.w3.org/TR/2007/CR-pronunciation-lexicon-20071212/pls.xsd"
    alphabet="ipa" xml:lang="en-US">
<lexeme>
    <grapheme>tomato</grapheme>
    <phoneme>/tə'meɪtoʊ/</phoneme>
</lexeme>
<lexeme>
    <grapheme>Tomato</grapheme>
    <phoneme>/tə'meɪtoʊ/</phoneme>
</lexeme>
</lexicon>
2

Crea un dizionario di pronuncia da un file tramite l'SDK

Crea un nuovo file denominato example.py o example.mts, a seconda del linguaggio che preferisci, e aggiungi il seguente codice:

from elevenlabs import ElevenLabs, PronunciationDictionaryVersionLocator
from elevenlabs.play import play
elevenlabs = ElevenLabs()
with open("dictionary.pls", "rb") as f:
    # this dictionary changes how tomato is pronounced
    pronunciation_dictionary = elevenlabs.pronunciation_dictionaries.create_from_file(
        file=f.read(), name="example"
    )
audio_1 = elevenlabs.text_to_speech.convert(
    text="Without the dictionary: tomato",
    voice_id="aMSt68OGf4xUZAnLpTU8",
    model_id="eleven_v4_turbo",
)
audio_2 = elevenlabs.text_to_speech.convert(
    text="With the dictionary: tomato",
    voice_id="aMSt68OGf4xUZAnLpTU8",
    model_id="eleven_v4_turbo",
    pronunciation_dictionary_locators=[
        PronunciationDictionaryVersionLocator(
            pronunciation_dictionary_id=pronunciation_dictionary.id,
            version_id=pronunciation_dictionary.version_id,
        )
    ],
)
# play the audio
play(audio_1)
play(audio_2)
3

Esegui il codice

python example.py

Dovresti sentire due versioni dell’audio riprodotte dagli altoparlanti: una con il dizionario di pronuncia e una senza.

Passaggi successivi

Riferimento API

Riferimento API completo per i dizionari di pronuncia.

Streaming TTS

Trasmetti la sintesi vocale in streaming progressivo per una riproduzione a latenza inferiore.