Μετάβαση στο περιεχόμενο

Eleven v4 Text to Speech

Ενσωμάτωση

id μοντέλου 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"

Αυτό το αίτημα: 0,014 $ 14 πιστώσεις API · ≈ 1,51 ₽ Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
ElevenLabs Κείμενο σε ομιλία #voiceover#expressive#timestamps

Το πιο εκφραστικό μοντέλο φωνής της ElevenLabs, με ενσωματωμένες ετικέτες συναισθήματος και χρονικές σημάνσεις λέξεων.

Παραδείγματα

Έξοδος · ~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 πιστώσεις API

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

•απαιτείται 169 / 5000

Παρέχει το περιεχόμενο της ομιλίας ως κείμενο, προαιρετικά με σήμανση της απόδοσης μέσω ετικετών ήχου όπως [whispering] ή με καθορισμό προφορών IPA ανάμεσα σε κάθετες.

προεπιλογή Rachel

Φωνή που επιλέγεται για τη σύνθεση ομιλίας.

Για προχωρημένους apply_text_normalization · language_code · output_format · stability · similarity_boost · seed · timestamps
apply_text_normalization προεπιλογή auto

Ελέγχει την κανονικοποίηση κειμένου πριν από την παραγωγή, συμπεριλαμβανομένου του χειρισμού αριθμών και ημερομηνιών.

Κωδικός γλώσσας ISO 639-1 που χρησιμοποιείται κατά την παραγωγή ομιλίας και την κανονικοποίηση κειμένου.

προεπιλογή mp3_44100_128

Μορφή παραγόμενου ήχου, καθορισμένη με το μοτίβο codec_sample_rate_bitrate.

προεπιλογή 0.5

Η σταθερότητα της φωνής εξισορροπεί την εκφραστική απόδοση σε χαμηλές ρυθμίσεις με τη συνεπή απόδοση σε υψηλές ρυθμίσεις.

προεπιλογή 0.75

Έλεγχος ομοιότητας με τη φωνή αναφοράς, με πιθανό συμβιβασμό ως προς τη φυσικότητα: η αύξησή του ενισχύει την αντιστοίχιση, αλλά μπορεί να κάνει την έξοδο να ακούγεται λιγότερο φυσική.

Seed που χρησιμοποιείται για την προσπάθεια αναπαραγώγιμων αποτελεσμάτων· η ακριβής επανάληψη της εξόδου δεν είναι εγγυημένη.

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

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το Eleven v4 Text to Speech

Το Eleven v4 εκφωνεί κείμενο με φυσικές, συναισθηματικές φωνές και κατανοεί ενσωματωμένες ετικέτες ήχου όπως [excited] ή [whispering], καθώς και προφορές IPA. Επιλέξτε φωνή, ρυθμίστε τη σταθερότητα και την ομοιότητα, ορίστε τη γλώσσα και προαιρετικά λάβετε χρονικές σημάνσεις σε επίπεδο λέξης. MP3, PCM, Opus και μορφές τηλεφωνίας.

Παράμετροι

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
textαπαιτείται
Τύποςstring
≤ 5.000 χαρακτήρες
Παρέχει το περιεχόμενο της ομιλίας ως κείμενο, προαιρετικά με σήμανση της απόδοσης μέσω ετικετών ήχου όπως [whispering] ή με καθορισμό προφορών IPA ανάμεσα σε κάθετες.
voiceπροαιρετικό
Τύποςstring
ΠροεπιλογήRachel
Φωνή που επιλέγεται για τη σύνθεση ομιλίας.
stabilityπροαιρετικό
Τύποςnumber
Προεπιλογή0.5
0 – 1
Η σταθερότητα της φωνής εξισορροπεί την εκφραστική απόδοση σε χαμηλές ρυθμίσεις με τη συνεπή απόδοση σε υψηλές ρυθμίσεις.
similarity_boostπροαιρετικό
Τύποςnumber
Προεπιλογή0.75
0 – 1
Έλεγχος ομοιότητας με τη φωνή αναφοράς, με πιθανό συμβιβασμό ως προς τη φυσικότητα: η αύξησή του ενισχύει την αντιστοίχιση, αλλά μπορεί να κάνει την έξοδο να ακούγεται λιγότερο φυσική.
seedπροαιρετικό
Τύποςinteger | null
0 – 4.294.967.295
Seed που χρησιμοποιείται για την προσπάθεια αναπαραγώγιμων αποτελεσμάτων· η ακριβής επανάληψη της εξόδου δεν είναι εγγυημένη.
language_codeπροαιρετικό
Τύποςstring | null
Κωδικός γλώσσας ISO 639-1 που χρησιμοποιείται κατά την παραγωγή ομιλίας και την κανονικοποίηση κειμένου.
output_formatπροαιρετικό
Τύποςenum
Προεπιλογήmp3_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 ακόμηopus_48000_96opus_48000_128opus_48000_192
Μορφή παραγόμενου ήχου, καθορισμένη με το μοτίβο codec_sample_rate_bitrate.
apply_text_normalizationπροαιρετικό
Τύποςenum
Προεπιλογήauto
autoonoff
Ελέγχει την κανονικοποίηση κειμένου πριν από την παραγωγή, συμπεριλαμβανομένου του χειρισμού αριθμών και ημερομηνιών.
timestampsπροαιρετικό
Τύποςboolean
Προεπιλογήfalse
Ελέγχει αν ο παραγόμενος ήχος συνοδεύεται από δεδομένα χρονισμού για μεμονωμένους χαρακτήρες.
απαιτείται

Έξοδος

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"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
audio
object {url, content_type, file_name, file_size}Αρχείο ήχου που παράγεται από την παραγωγή.
timestamps
array of any | nullΔεδομένα χρονισμού της παραγόμενης ομιλίας, περιλαμβάνονται μόνο για αιτήματα με `timestamps` ορισμένο σε True, με χρονική σήμανση για κάθε λέξη.

Περισσότερα μοντέλα: Κείμενο σε ομιλία

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/elevenlabs/tts/eleven-v4.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt