Ir al contenido

Eleven v4 Text to Speech

Integrar

ID del modelo 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"

Esta solicitud: 0,014 $ 14 créditos de API · ≈ 1,50 ₽ Ejecutar en esta página

Obtener clave de API
ElevenLabs Texto a voz #voiceover#expressive#timestamps

El modelo de voz más expresivo de ElevenLabs, con etiquetas de emoción insertadas y marcas de tiempo de palabras.

Ejemplos

Salida · ~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 créditos de API

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan al modificarlos.

•obligatorio 169 / 5000

Proporciona el contenido del habla como texto, marcando opcionalmente la forma de expresarlo con etiquetas de audio como [whispering] o especificando pronunciaciones IPA entre barras diagonales.

predeterminado Rachel

Voz seleccionada para sintetizar voz.

Avanzado apply_text_normalization · language_code · output_format · stability · similarity_boost · seed · timestamps
apply_text_normalization predeterminado auto

Controla la normalización del texto antes de la generación, incluido el tratamiento de números y fechas.

Código de idioma ISO 639-1 utilizado al generar el habla y normalizar el texto.

predeterminado mp3_44100_128

Formato del audio generado, especificado mediante el patrón codec_sample_rate_bitrate.

predeterminado 0.5

La estabilidad de la voz equilibra una interpretación expresiva en los valores bajos con una interpretación uniforme en los valores altos.

predeterminado 0.75

Control de similitud con la voz de referencia, con un posible compromiso con la naturalidad: aumentarlo refuerza la coincidencia, pero puede hacer que la salida suene menos natural.

Semilla utilizada para intentar obtener resultados reproducibles; no se garantiza la repetición exacta de la salida.

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

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y solo se guarda en localStorage si marcas Recordar. Obtener una clave de API

Acerca de Eleven v4 Text to Speech

Eleven v4 lee el texto en voz alta con voces naturales y emocionales, y entiende etiquetas de audio insertadas como [excited] o [whispering], además de pronunciaciones IPA. Elige una voz, ajusta la estabilidad y la similitud, establece el idioma y, opcionalmente, obtén marcas de tiempo a nivel de palabra. Formatos MP3, PCM, Opus y de telefonía.

Parámetros

NombreTipo PredeterminadoPermitido Descripción
textobligatorio
Tipostring
≤ 5000 caracteres
Proporciona el contenido del habla como texto, marcando opcionalmente la forma de expresarlo con etiquetas de audio como [whispering] o especificando pronunciaciones IPA entre barras diagonales.
voiceopcional
Tipostring
PredeterminadoRachel
Voz seleccionada para sintetizar voz.
stabilityopcional
Tiponumber
Predeterminado0.5
0 – 1
La estabilidad de la voz equilibra una interpretación expresiva en los valores bajos con una interpretación uniforme en los valores altos.
similarity_boostopcional
Tiponumber
Predeterminado0.75
0 – 1
Control de similitud con la voz de referencia, con un posible compromiso con la naturalidad: aumentarlo refuerza la coincidencia, pero puede hacer que la salida suene menos natural.
seedopcional
Tipointeger | null
0 – 4.294.967.295
Semilla utilizada para intentar obtener resultados reproducibles; no se garantiza la repetición exacta de la salida.
language_codeopcional
Tipostring | null
Código de idioma ISO 639-1 utilizado al generar el habla y normalizar el texto.
output_formatopcional
Tipoenum
Predeterminadomp3_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 másopus_48000_96opus_48000_128opus_48000_192
Formato del audio generado, especificado mediante el patrón codec_sample_rate_bitrate.
apply_text_normalizationopcional
Tipoenum
Predeterminadoauto
autoonoff
Controla la normalización del texto antes de la generación, incluido el tratamiento de números y fechas.
timestampsopcional
Tipoboolean
Predeterminadofalse
Controla si el audio generado va acompañado de datos temporales para cada carácter.
obligatorio

Salida

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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: conservada para siempre (con pago por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para vídeo y audio. output es el objeto de resultado propio del modelo.
Campos de salida
audio
object {url, content_type, file_name, file_size}Archivo de audio producido por la generación.
timestamps
array of any | nullDatos de sincronización del habla generada, incluidos solo en solicitudes con `timestamps` establecido en True, con una marca de tiempo para cada palabra.

Más modelos: Texto a voz

Para agentes de IA: esta página en Markdown está en https://doitong.com/es-ES/developers/models/elevenlabs/tts/eleven-v4.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt