Gå til indhold

Eleven v4 Text to Speech

Integrer

Model-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"

Denne anmodning: 0,014 $ 14 API-kreditter · ≈ 1,51 ₽ Kør den på denne side

Hent API-nøgle
ElevenLabs Tekst til tale #voiceover#expressive#timestamps

ElevenLabs' mest udtryksfulde stemmemodel med inline-emotionstags og word timestamps.

Eksempler

Output · ~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 API-kreditter

Opret en anmodning

Kontrollerne genereres fra modellens skema. Koden og prisen opdateres, når du ændrer dem.

•påkrævet 169 / 5000

Angiv taleindhold som tekst, eventuelt med markering af fremførelsen ved hjælp af lydtags som [whispering] eller angivelse af IPA-udtaler mellem skråstreger.

standard Rachel

Stemme valgt til talesyntese.

Avanceret apply_text_normalization · language_code · output_format · stability · similarity_boost · seed · timestamps
apply_text_normalization standard auto

Styrer tekstnormalisering før generering, herunder håndtering af tal og datoer.

ISO 639-1-sprogkode, der bruges ved generering af tale og normalisering af tekst.

standard mp3_44100_128

Genereret lydformat angivet med mønsteret codec_sample_rate_bitrate.

standard 0.5

Stemmens stabilitet afvejer udtryksfuld fremførelse ved lave indstillinger mod ensartet fremførelse ved høje indstillinger.

standard 0.75

Styring af lighed med referencestemmen med et muligt kompromis med naturligheden: En højere værdi styrker ligheden, men kan få output til at lyde mindre naturligt.

Seed, der bruges til at forsøge at skabe reproducerbare resultater; nøjagtig gentagelse af output garanteres ikke.

POST /run/elevenlabs/tts/eleven-v4?wait=20 pris → 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"

Kør denne anmodning

Din nøgle forbliver i denne browser: Den sendes kun til Doitong API og gemmes kun i localStorage, hvis du markerer Husk. Hent en API-nøgle

Om Eleven v4 Text to Speech

Eleven v4 læser tekst højt med naturlige, følelsesladede stemmer og forstår inline-lydtags som [excited] eller [whispering] samt IPA-udtaler. Vælg en stemme, juster stabilitet og lighed, angiv sproget, og få eventuelt tidsangivelser på ordniveau. MP3-, PCM-, Opus- og telefoni-formater.

Parametre

NavnType StandardTilladt Beskrivelse
textpåkrævet
Typestring
≤ 5.000 tegn
Angiv taleindhold som tekst, eventuelt med markering af fremførelsen ved hjælp af lydtags som [whispering] eller angivelse af IPA-udtaler mellem skråstreger.
voicevalgfri
Typestring
StandardRachel
Stemme valgt til talesyntese.
stabilityvalgfri
Typenumber
Standard0.5
0 – 1
Stemmens stabilitet afvejer udtryksfuld fremførelse ved lave indstillinger mod ensartet fremførelse ved høje indstillinger.
similarity_boostvalgfri
Typenumber
Standard0.75
0 – 1
Styring af lighed med referencestemmen med et muligt kompromis med naturligheden: En højere værdi styrker ligheden, men kan få output til at lyde mindre naturligt.
seedvalgfri
Typeinteger | null
0 – 4.294.967.295
Seed, der bruges til at forsøge at skabe reproducerbare resultater; nøjagtig gentagelse af output garanteres ikke.
language_codevalgfri
Typestring | null
ISO 639-1-sprogkode, der bruges ved generering af tale og normalisering af tekst.
output_formatvalgfri
Typeenum
Standardmp3_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 flereopus_48000_96opus_48000_128opus_48000_192
Genereret lydformat angivet med mønsteret codec_sample_rate_bitrate.
apply_text_normalizationvalgfri
Typeenum
Standardauto
autoonoff
Styrer tekstnormalisering før generering, herunder håndtering af tal og datoer.
timestampsvalgfri
Typeboolean
Standardfalse
Styrer, om den genererede lyd ledsages af tidsdata for de enkelte tegn.
påkrævet

Output

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"
  }
}
Dine filer, dit valgHver outputs[].url er en kopi på vores lagring: gemt for altid (betales pr. GB-måned) eller 7 dage gratis, afhængigt af din kontoindstilling eller ?storage=.
Samme struktur for alle modellertype, url, content_type, width, height og duration for billeder, video og lyd. output er modellens eget resultatobjekt.
Outputfelter
audio
object {url, content_type, file_name, file_size}Lydfil produceret af genereringen.
timestamps
array of any | nullTidsdata for genereret tale, kun inkluderet i anmodninger med `timestamps` sat til True, med et tidsstempel for hvert ord.

Flere modeller: Tekst til tale

Til AI-agenter: Denne side som Markdown findes på https://doitong.com/da/developers/models/elevenlabs/tts/eleven-v4.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt