কনটেন্টে যান

Eleven v4 Text to Speech

ইন্টিগ্রেট করুন

মডেল id elevenlabs/tts/eleven-v4
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/elevenlabs/tts/eleven-v4?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "[whispers] Okay, everyone, gather close. [excited] The bread is finally out of the oven. [laughs] Fine, fine, one slice each, but only if you promise to save one for me."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

এই অনুরোধ: ০.০১৪$ ১৪ API ক্রেডিট · ≈ ১.৫১₽ এই পেজে চালান

API কী পান
ElevenLabs টেক্সট থেকে স্পিচ #voiceover#expressive#timestamps

ElevenLabs-এর সবচেয়ে অভিব্যক্তিপূর্ণ ভয়েস মডেল, ইনলাইন আবেগ ট্যাগ ও শব্দের টাইমস্ট্যাম্পসহ।

উদাহরণ

আউটপুট · ~14 s
[whispers] Okay, everyone, gather close. [excited] The bread is finally out of the oven. [laughs] Fine, fine, one slice each, but only if you promise to save one for me.০.০১৪$ · ১৪ API ক্রেডিট

একটি অনুরোধ তৈরি করুন

মডেল স্কিমা থেকে কন্ট্রোল তৈরি করা হয়। এগুলো পরিবর্তন করলে কোড ও মূল্য আপডেট হয়।

•আবশ্যক 169 / 5000

[whispering]-এর মতো অডিও ট্যাগ দিয়ে পরিবেশনের ধরন ঐচ্ছিকভাবে চিহ্নিত করে বক্তৃতার কনটেন্ট টেক্সট হিসেবে দিন, অথবা ফরোয়ার্ড স্ল্যাশের মধ্যে IPA উচ্চারণ নির্দিষ্ট করুন।

ডিফল্ট Rachel

স্পিচ সংশ্লেষণের জন্য নির্বাচিত ভয়েস।

অ্যাডভান্সড apply_text_normalization · language_code · output_format · stability · similarity_boost · seed · timestamps
apply_text_normalization ডিফল্ট auto

জেনারেশনের আগে টেক্সট স্বাভাবিকীকরণ নিয়ন্ত্রণ করে, যার মধ্যে সংখ্যা ও তারিখের ব্যবস্থাপনাও অন্তর্ভুক্ত।

স্পিচ জেনারেশন এবং টেক্সট স্বাভাবিকীকরণের সময় ব্যবহৃত ISO 639-1 ভাষা কোড।

ডিফল্ট mp3_44100_128

জেনারেট করা অডিওর ফরম্যাট, codec_sample_rate_bitrate প্যাটার্ন ব্যবহার করে নির্দিষ্ট করা হয়।

ডিফল্ট 0.5

ভয়েসের স্থিতিশীলতা কম সেটিংয়ে অভিব্যক্তিপূর্ণ পরিবেশন এবং বেশি সেটিংয়ে সামঞ্জস্যপূর্ণ পরিবেশনের ভারসাম্য বজায় রাখে।

ডিফল্ট 0.75

রেফারেন্স ভয়েসের সাদৃশ্য নিয়ন্ত্রণ; স্বাভাবিকতার সঙ্গে সম্ভাব্য আপস থাকতে পারে: এটি বাড়ালে মিল শক্তিশালী হয়, তবে আউটপুট কম স্বাভাবিক শোনাতে পারে।

পুনরুৎপাদনযোগ্য ফলাফল পাওয়ার চেষ্টা করতে ব্যবহৃত seed; আউটপুট হুবহু পুনরাবৃত্ত হবে—এমন নিশ্চয়তা নেই।

POST /run/elevenlabs/tts/eleven-v4?wait=20 মূল্য → ০.০১৪$
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/elevenlabs/tts/eleven-v4?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "[whispers] Okay, everyone, gather close. [excited] The bread is finally out of the oven. [laughs] Fine, fine, one slice each, but only if you promise to save one for me."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

এই অনুরোধ চালান

আপনার key এই ব্রাউজারেই থাকে: এটি শুধু Doitong API-তে পাঠানো হয় এবং Remember টিক দিলে কেবল localStorage-এ সংরক্ষিত হয়। একটি API কী পান

Eleven v4 Text to Speech সম্পর্কে

Eleven v4 প্রাকৃতিক, আবেগপূর্ণ কণ্ঠে টেক্সট পড়ে শোনায় এবং [excited] অথবা [whispering]-এর মতো ইনলাইন অডিও ট্যাগের পাশাপাশি IPA উচ্চারণও বোঝে। একটি ভয়েস বেছে নিন, স্থিতিশীলতা ও সাদৃশ্য সামঞ্জস্য করুন, ভাষা নির্ধারণ করুন, এবং চাইলে শব্দ-স্তরের টাইমস্ট্যাম্প পান। MP3, PCM, Opus এবং টেলিফোনি ফরম্যাট।

প্যারামিটার

নামধরন ডিফল্টঅনুমোদিত বিবরণ
textআবশ্যক
ধরনstring
≤ ৫,০০০টি অক্ষর
[whispering]-এর মতো অডিও ট্যাগ দিয়ে পরিবেশনের ধরন ঐচ্ছিকভাবে চিহ্নিত করে বক্তৃতার কনটেন্ট টেক্সট হিসেবে দিন, অথবা ফরোয়ার্ড স্ল্যাশের মধ্যে IPA উচ্চারণ নির্দিষ্ট করুন।
voiceঐচ্ছিক
ধরনstring
ডিফল্টRachel
স্পিচ সংশ্লেষণের জন্য নির্বাচিত ভয়েস।
stabilityঐচ্ছিক
ধরনnumber
ডিফল্ট0.5
০ – ১
ভয়েসের স্থিতিশীলতা কম সেটিংয়ে অভিব্যক্তিপূর্ণ পরিবেশন এবং বেশি সেটিংয়ে সামঞ্জস্যপূর্ণ পরিবেশনের ভারসাম্য বজায় রাখে।
similarity_boostঐচ্ছিক
ধরনnumber
ডিফল্ট0.75
০ – ১
রেফারেন্স ভয়েসের সাদৃশ্য নিয়ন্ত্রণ; স্বাভাবিকতার সঙ্গে সম্ভাব্য আপস থাকতে পারে: এটি বাড়ালে মিল শক্তিশালী হয়, তবে আউটপুট কম স্বাভাবিক শোনাতে পারে।
seedঐচ্ছিক
ধরনinteger | null
০ – ৪,২৯,৪৯,৬৭,২৯৫
পুনরুৎপাদনযোগ্য ফলাফল পাওয়ার চেষ্টা করতে ব্যবহৃত seed; আউটপুট হুবহু পুনরাবৃত্ত হবে—এমন নিশ্চয়তা নেই।
language_codeঐচ্ছিক
ধরনstring | null
স্পিচ জেনারেশন এবং টেক্সট স্বাভাবিকীকরণের সময় ব্যবহৃত ISO 639-1 ভাষা কোড।
output_formatঐচ্ছিক
ধরনenum
ডিফল্টmp3_44100_128
mp3_22050_32mp3_44100_32mp3_44100_64mp3_44100_96mp3_44100_128mp3_44100_192pcm_8000pcm_16000pcm_22050pcm_24000pcm_44100pcm_48000ulaw_8000alaw_8000opus_48000_32opus_48000_64
+3টি আরওopus_48000_96opus_48000_128opus_48000_192
জেনারেট করা অডিওর ফরম্যাট, codec_sample_rate_bitrate প্যাটার্ন ব্যবহার করে নির্দিষ্ট করা হয়।
apply_text_normalizationঐচ্ছিক
ধরনenum
ডিফল্টauto
autoonoff
জেনারেশনের আগে টেক্সট স্বাভাবিকীকরণ নিয়ন্ত্রণ করে, যার মধ্যে সংখ্যা ও তারিখের ব্যবস্থাপনাও অন্তর্ভুক্ত।
timestampsঐচ্ছিক
ধরনboolean
ডিফল্টfalse
জেনারেট করা অডিওর সঙ্গে পৃথক অক্ষরের টাইমিং ডেটা থাকবে কি না তা নিয়ন্ত্রণ করে।
আবশ্যক

আউটপুট

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "elevenlabs/tts/eleven-v4",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 14,
    "usd": "0.014",
    "charged": 14,
    "refunded": 0
  },
  "input": {
    "text": "[excited] Hello! Welcome to the future of voice.",
    "voice": "Aria"
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200
    },
    "timestamps": []
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
আপনার ফাইল, আপনার পছন্দপ্রতিটি outputs[].url আমাদের স্টোরেজে একটি কপি: চিরকাল রাখা হয় (প্রতি GB-মাস অনুযায়ী অর্থপ্রদত্ত) অথবা অ্যাকাউন্ট সেটিংস বা ?storage= অনুযায়ী বিনামূল্যে ৭ দিন পর্যন্ত।
প্রতিটি মডেলে একই গঠনছবি, ভিডিও এবং অডিও—সব ক্ষেত্রেই type, url, content_type, width, height এবং duration। output হলো মডেলের নিজস্ব ফলাফল অবজেক্ট।
আউটপুটের ফিল্ড
audio
object {url, content_type, file_name, file_size}জেনারেশনের মাধ্যমে তৈরি অডিও ফাইল।
timestamps
array of any | nullজেনারেট করা বক্তৃতার timing data, শুধুমাত্র `timestamps` True সেট করা রিকোয়েস্টে অন্তর্ভুক্ত হয়; প্রতিটি শব্দের জন্য একটি timestamp থাকে।

আরও মডেল: টেক্সট থেকে স্পিচ

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/elevenlabs/tts/eleven-v4.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt