Zum Inhalt springen

Eleven v4 Text to Speech

Integrieren

Modell-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"

Diese Anfrage: 0,014 $ 14 API-Credits · ≈ 1,51 ₽ Auf dieser Seite ausführen

API-Schlüssel abrufen
ElevenLabs Text zu Sprache #voiceover#expressive#timestamps

Das ausdrucksstärkste Sprachmodell von ElevenLabs mit Inline-Emotionstags und Wortzeitstempeln.

Beispiele

Ausgabe · ~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-Credits

Anfrage erstellen

Die Steuerelemente werden aus dem Modellschema generiert. Code und Preis werden aktualisiert, während du sie änderst.

•erforderlich 169 / 5000

Sprachinhalt als Text angeben, optional mit Angaben zur Sprechweise durch Audio-Tags wie [whispering] oder IPA-Aussprache zwischen Schrägstrichen.

Standard Rachel

Für die Sprachsynthese ausgewählte Stimme.

Erweitert apply_text_normalization · language_code · output_format · stability · similarity_boost · seed · timestamps
apply_text_normalization Standard auto

Steuert die Textnormalisierung vor der Generierung, einschließlich der Verarbeitung von Zahlen und Datumsangaben.

ISO-639-1-Sprachcode für die Sprachgenerierung und Textnormalisierung.

Standard mp3_44100_128

Format des generierten Audios, angegeben nach dem Muster codec_sample_rate_bitrate.

Standard 0.5

Die Stimmstabilität gleicht bei niedrigen Einstellungen eine ausdrucksstarke Wiedergabe und bei höheren Einstellungen eine konsistente Wiedergabe aus.

Standard 0.75

Steuerung der Ähnlichkeit zur Referenzstimme mit möglichem Kompromiss bei der Natürlichkeit: Eine Erhöhung verstärkt die Übereinstimmung, kann die Ausgabe jedoch weniger natürlich klingen lassen.

Seed für den Versuch, reproduzierbare Ergebnisse zu erzielen; eine exakt identische Ausgabe wird nicht garantiert.

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

Diese Anfrage ausführen

Dein Schlüssel bleibt in diesem Browser: Er wird nur an die Doitong API gesendet und nur gespeichert (localStorage), wenn du „Merken“ aktivierst. API-Schlüssel abrufen

Über Eleven v4 Text to Speech

Eleven v4 liest Text mit natürlichen, emotionalen Stimmen vor und versteht Inline-Audio-Tags wie [excited] oder [whispering] sowie IPA-Aussprache. Wähle eine Stimme, passe Stabilität und Ähnlichkeit an, setze die Sprache und fordere optional Zeitstempel auf Wortebene an. MP3-, PCM-, Opus- und Telefonieformate.

Parameter

NameTyp StandardZulässig Beschreibung
texterforderlich
Typstring
≤ 5.000 Zeichen
Sprachinhalt als Text angeben, optional mit Angaben zur Sprechweise durch Audio-Tags wie [whispering] oder IPA-Aussprache zwischen Schrägstrichen.
voiceoptional
Typstring
StandardRachel
Für die Sprachsynthese ausgewählte Stimme.
stabilityoptional
Typnumber
Standard0.5
0 – 1
Die Stimmstabilität gleicht bei niedrigen Einstellungen eine ausdrucksstarke Wiedergabe und bei höheren Einstellungen eine konsistente Wiedergabe aus.
similarity_boostoptional
Typnumber
Standard0.75
0 – 1
Steuerung der Ähnlichkeit zur Referenzstimme mit möglichem Kompromiss bei der Natürlichkeit: Eine Erhöhung verstärkt die Übereinstimmung, kann die Ausgabe jedoch weniger natürlich klingen lassen.
seedoptional
Typinteger | null
0 – 4.294.967.295
Seed für den Versuch, reproduzierbare Ergebnisse zu erzielen; eine exakt identische Ausgabe wird nicht garantiert.
language_codeoptional
Typstring | null
ISO-639-1-Sprachcode für die Sprachgenerierung und Textnormalisierung.
output_formatoptional
Typenum
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 weitereopus_48000_96opus_48000_128opus_48000_192
Format des generierten Audios, angegeben nach dem Muster codec_sample_rate_bitrate.
apply_text_normalizationoptional
Typenum
Standardauto
autoonoff
Steuert die Textnormalisierung vor der Generierung, einschließlich der Verarbeitung von Zahlen und Datumsangaben.
timestampsoptional
Typboolean
Standardfalse
Steuert, ob die generierte Audioausgabe Zeitdaten für einzelne Zeichen enthält.
erforderlich

Ausgabe

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"
  }
}
Deine Dateien, deine EntscheidungJede outputs[].url ist eine Kopie in unserem Speicher: dauerhaft aufbewahrt (Abrechnung pro GB-Monat) oder 7 Tage kostenlos – je nach Kontoeinstellung oder ?storage=.
Gleiche Struktur bei jedem Modelltype, url, content_type, width, height und duration – für Bilder, Video und Audio gleichermaßen. output ist das Ergebnisobjekt des Modells.
Ausgabefelder
audio
object {url, content_type, file_name, file_size}Durch die Generierung erzeugte Audiodatei.
timestamps
array of any | nullZeitdaten der generierten Sprache, nur bei Anfragen mit `timestamps` auf True enthalten, mit einem Zeitstempel für jedes Wort.

Weitere Modelle: Text zu Sprache

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/elevenlabs/tts/eleven-v4.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt