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 · ≈ 1,51 ₽ 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, indicando opcionalmente la forma de hablar con etiquetas de audio como [whispering] o especificando pronunciaciones IPA entre barras.

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 habla y normalizar 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 locución expresiva con valores bajos y una locución uniforme con valores altos.

predeterminado 0.75

Control de similitud con la voz de referencia, con una posible pérdida de naturalidad: aumentarlo refuerza la similitud, 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 cotización → 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 se guarda (localStorage) únicamente si marcas Recordar. Obtener una clave de API

Acerca de Eleven v4 Text to Speech

Eleven v4 lee 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, indicando opcionalmente la forma de hablar con etiquetas de audio como [whispering] o especificando pronunciaciones IPA entre barras.
voiceopcional
Tipostring
PredeterminadoRachel
Voz seleccionada para sintetizar voz.
stabilityopcional
Tiponumber
Predeterminado0.5
0 – 1
La estabilidad de la voz equilibra una locución expresiva con valores bajos y una locución uniforme con valores altos.
similarity_boostopcional
Tiponumber
Predeterminado0.75
0 – 1
Control de similitud con la voz de referencia, con una posible pérdida de naturalidad: aumentarlo refuerza la similitud, 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 habla y normalizar 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 de temporización 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 (se cobra 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/developers/models/elevenlabs/tts/eleven-v4.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt