Přejít na obsah

Eleven v4 Text to Speech

Integrace

ID modelu 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"

Tento požadavek: 0,014 $ 14 kreditů API · ≈ 1,51 ₽ Spustit na této stránce

Získat API klíč
ElevenLabs Text na řeč #voiceover#expressive#timestamps

Nejexpresivnější hlasový model ElevenLabs s vloženými tagy emocí a časovými značkami slov.

Příklady

Výstup · ~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.0,014 $ · 14 kreditů API

Sestavit požadavek

Ovládací prvky se generují ze schématu modelu. Kód a cena se aktualizují podle provedených změn.

•povinné 169 / 5000

Zadejte obsah řeči jako text; způsob přednesu můžete volitelně označit zvukovými tagy, například [whispering], nebo výslovnost IPA uvést mezi lomítky.

výchozí Rachel

Hlas vybraný pro syntézu řeči.

Pokročilé apply_text_normalization · language_code · output_format · stability · similarity_boost · seed · timestamps
apply_text_normalization výchozí auto

Určuje normalizaci textu před generováním včetně zpracování čísel a dat.

Kód jazyka ISO 639-1 použitý při generování řeči a normalizaci textu.

výchozí mp3_44100_128

Formát generovaného zvuku zadaný podle vzoru codec_sample_rate_bitrate.

výchozí 0.5

Stabilita hlasu vyvažuje expresivní přednes při nižších hodnotách a konzistentní přednes při vyšších hodnotách.

výchozí 0.75

Nastavení podobnosti s referenčním hlasem s možným kompromisem v přirozenosti: zvýšení posílí shodu, ale může způsobit méně přirozeně znějící výstup.

Seed použitý k pokusu o reprodukovatelné výsledky; přesné opakování výstupu není zaručeno.

POST /run/elevenlabs/tts/eleven-v4?wait=20 cena → 0,014 $
# 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"

Spustit tento požadavek

Váš klíč zůstává v tomto prohlížeči: odesílá se pouze do Doitong API a uloží se do localStorage jen tehdy, když zaškrtnete možnost Zapamatovat. Získat klíč API

O modelu Eleven v4 Text to Speech

Eleven v4 čte text přirozenými, emotivními hlasy a rozumí vloženým zvukovým tagům, jako jsou [excited] nebo [whispering], i výslovnosti IPA. Vyberte hlas, upravte stabilitu a podobnost, nastavte jazyk a případně získejte časové značky slov. Formáty MP3, PCM, Opus a telefonní formáty.

Parametry

NázevTyp VýchozíPovolené Popis
textpovinné
Typstring
≤ 5 000 znaků
Zadejte obsah řeči jako text; způsob přednesu můžete volitelně označit zvukovými tagy, například [whispering], nebo výslovnost IPA uvést mezi lomítky.
voicevolitelné
Typstring
VýchozíRachel
Hlas vybraný pro syntézu řeči.
stabilityvolitelné
Typnumber
Výchozí0.5
0 – 1
Stabilita hlasu vyvažuje expresivní přednes při nižších hodnotách a konzistentní přednes při vyšších hodnotách.
similarity_boostvolitelné
Typnumber
Výchozí0.75
0 – 1
Nastavení podobnosti s referenčním hlasem s možným kompromisem v přirozenosti: zvýšení posílí shodu, ale může způsobit méně přirozeně znějící výstup.
seedvolitelné
Typinteger | null
0 – 4 294 967 295
Seed použitý k pokusu o reprodukovatelné výsledky; přesné opakování výstupu není zaručeno.
language_codevolitelné
Typstring | null
Kód jazyka ISO 639-1 použitý při generování řeči a normalizaci textu.
output_formatvolitelné
Typenum
Výchozímp3_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
+3 dalšíchopus_48000_96opus_48000_128opus_48000_192
Formát generovaného zvuku zadaný podle vzoru codec_sample_rate_bitrate.
apply_text_normalizationvolitelné
Typenum
Výchozíauto
autoonoff
Určuje normalizaci textu před generováním včetně zpracování čísel a dat.
timestampsvolitelné
Typboolean
Výchozífalse
Určuje, zda je generovaný zvuk doplněn časovými údaji pro jednotlivé znaky.
povinné

Výstup

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"
  }
}
Vaše soubory, vaše volbaKaždý outputs[].url je kopie v našem úložišti: uchovávaná navždy (zpoplatněná za GB-měsíc) nebo 7 dne zdarma podle nastavení účtu nebo ?storage=.
Stejná struktura u každého modelutype, url, content_type, width, height a duration pro obrázky, video i zvuk. output je vlastní objekt výsledku modelu.
Pole výstupu
audio
object {url, content_type, file_name, file_size}Zvukový soubor vytvořený generováním.
timestamps
array of any | nullČasová data generované řeči, zahrnutá pouze u požadavků s `timestamps` nastaveným na True, s časovým údajem pro každé slovo.

Další modely: Text na řeč

Pro AI agenty: tato stránka je ve formátu Markdown na adrese https://doitong.com/cs/developers/models/elevenlabs/tts/eleven-v4.md. Všechny modely a návody: https://doitong.com/developers/llms.txt