ElevenLabs Turbo 2.5
ElevenLabs Turbo 2.5 是 Kyeo 当前保留的单人文字转语音工作流，可选择站内声音并调整 stability、similarity_boost、style、speed、timestamps、前后文和 language_code。它仍可提交，但 ElevenLabs 当前已推荐以 Flash v2.5 取代；页面不把低延迟、语言支持、时间戳精度、声音授权或输出质量视为 Kyeo 的保证。
一句话了解
这个模型怎么样？
本页描述 Kyeo 当前实际发送的 TTS 参数和字符扣点，不把 ElevenLabs 直连 API、完整 Voice Library、克隆能力或付费方案许可写成站内已具备的能力。
关键参数一览
帮你快速评估这个模型和你的业务场景是否匹配。
它还叫什么
同一个模型在不同资料里可能有不同叫法，这里统一整理，方便搜索和比较。
用户常见问题
从实际任务、输入条件和结果要求出发，整理选择模型时最需要确认的问题。
选型指南
还在纠结用哪个模型？先看这几个关键决策点。
当你需要验证当前 Kyeo 工作流、指定声音和这些 TTS 参数是否符合现有流程时，可以用短文本做有限测试。
需要官方当前推荐的低延迟路线时，应关注 Flash v2.5 是否接入；需要长文本或更丰富表达时比较 Multilingual V2；多角色脚本则比较 Dialogue V3。
先用含数字、日期、专名和标点的短稿测试默认参数，再单独改变一个设置。开启时间戳或分段上下文时，检查实际响应字段与音频边界，不用参数存在代替结果验证。
用户常搜的对比
把常见候选放在同一任务下比较，帮助你确认输入方式、控制项和成本差异。
模型横向对比表
正在纠结选哪个？这张表帮你一眼看清当前模型和替代方案的核心差异。
实际使用体验
结合公开资料、当前站内边界和典型任务，说明模型适合与不适合的情况。
Turbo 2.5 已不是官方当前首选低延迟型号
声音列表与声音授权是两回事
能力详解
单人文字转语音参数
时间戳与分段上下文请求
按主文本字符计费
32 种官方语言背景不等于全部站内实测
适合做什么
单人旁白样本
分段文本试验
需要时间信息的音频测试
提示词技巧
先规范数字、日期和专名
一次只改变一个参数
分段与时间戳都要实测
为什么选它
使用前要知道
可调参数
帮你快速评估这个模型和你的业务场景是否匹配。
积分消耗
主文本每 1000 字符 6 积分；实扣 Math.ceil(主文本字符数 × 6 / 1000)，min=1 积分。previous_text 与 next_text 不计入。
批量出图或出视频前，建议先用同一组素材在当前模型和同类候选之间做 AB 测试，确认效果后再批量跑，避免浪费积分。
常见问题
同类模型推荐
还没决定用哪个？顺手对比一下这几个同类候选。
ElevenLabs Multilingual V2
ElevenLabs Multilingual V2 是 Kyeo AI 当前接入的单人高自然度配音页。它和 Turbo 2.5 共用近似的前台表单，但真正的任务边界并不一样：Turbo 更像快配音基线，Multilingual V2 更像长文本旁白、跨语言内容和品牌长期音色的主力页。当前站内它同样只走固定语音角色列表和 5,000 字符接入口，但决策重点已经从速度切到听感稳定性和值不值得付双倍字数成本。
ElevenLabs Dialogue V3
ElevenLabs Dialogue V3 当前提供逐行对白生成：每行填写台词并选择声音，Kyeo AI 按台词总字符数计费。它不是实时语音代理；官方也提示可能需要多次生成才能选到可用结果。本站建议先用样本确认角色切换、情绪标签、语言代码、输出格式或长脚本完整性。
信息来源
页面内容结合模型资料、功能说明和 Kyeo AI 当前可用设置整理。
了解 Kyeo AI 的 ElevenLabs Turbo 2.5：5,000 字符、声音角色、语音参数、时间戳、前后文、语言代码、每千字符 6 积分及 Flash 迁移风险。 主文本每 1000 字符 6 积分；实扣 Math.ceil(主文本字符数 × 6 / 1000)，min=1 积分。previous_text 与 next_text 不计入。