Lumaktaw sa nilalaman

Eleven v4 Text to Speech

I-integrate

ID ng 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"

Kahilingang ito: $0.014 14 kredito ng API · ≈ ₽1.50 Patakbuhin ito sa page na ito

Kumuha ng API key
ElevenLabs Text patungong Speech #voiceover#expressive#timestamps

Pinakaexpressive na voice modelo ng ElevenLabs, na may inline emotion tag at word timestamp.

Mga halimbawa

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 kredito ng API

Bumuo ng kahilingan

Ang mga control ay binubuo mula sa schema ng modelo. Nagbabago ang code at presyo habang ina-adjust mo ang mga ito.

•kinakailangan 169 / 5000

Ibigay ang speech content bilang text, na maaaring lagyan ng audio tags gaya ng [whispering] o ng IPA pronunciation sa pagitan ng mga forward slash.

default na Rachel

Voice na pinili para sa speech synthesis.

advanced apply_text_normalization · language_code · output_format · stability · similarity_boost · seed · timestamps
apply_text_normalization default na auto

Kinokontrol ang normalisasyon ng text bago ang pagbuo, kabilang ang paghawak sa mga numero at petsa.

ISO 639-1 language code na ginagamit sa pagbuo ng speech at pagno-normalize ng text.

default na mp3_44100_128

Format ng nabuong audio, tinukoy gamit ang pattern na codec_sample_rate_bitrate.

default na 0.5

Binabalanse ng voice stability ang mas ekspresibong delivery sa mababang setting at mas pare-parehong delivery sa mataas na setting.

default na 0.75

Kontrol sa pagkakahawig ng reference voice, na maaaring magkaroon ng kapalit sa naturalness: pinatitibay ng mas mataas na value ang match ngunit maaaring maging mas hindi natural ang tunog ng output.

Seed na ginagamit upang subukang makakuha ng reproducible na mga resulta; hindi ginagarantiya ang eksaktong pag-uulit ng output.

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

Patakbuhin ang kahilingang ito

Nananatili ang iyong key sa browser na ito: ipinapadala lamang ito sa Doitong API at sine-save (localStorage) lamang kung pipiliin mo ang Tandaan. Kumuha ng API key

Tungkol sa Eleven v4 Text to Speech

Binibigkas ng Eleven v4 ang teksto gamit ang natural at emosyonal na mga boses at nauunawaan ang inline audio tag gaya ng [excited] o [whispering], pati ang mga pagbigkas sa IPA. Pumili ng boses, i-tune ang stability at similarity, itakda ang wika, at opsyonal na kumuha ng mga timestamp sa antas ng salita. Mga format na MP3, PCM, Opus at telephony.

Mga parameter

PangalanUri defaultPinapayagan Paglalarawan
textkinakailangan
Uristring
≤ 5,000 character
Ibigay ang speech content bilang text, na maaaring lagyan ng audio tags gaya ng [whispering] o ng IPA pronunciation sa pagitan ng mga forward slash.
voiceopsyonal
Uristring
defaultRachel
Voice na pinili para sa speech synthesis.
stabilityopsyonal
Urinumber
default0.5
0 – 1
Binabalanse ng voice stability ang mas ekspresibong delivery sa mababang setting at mas pare-parehong delivery sa mataas na setting.
similarity_boostopsyonal
Urinumber
default0.75
0 – 1
Kontrol sa pagkakahawig ng reference voice, na maaaring magkaroon ng kapalit sa naturalness: pinatitibay ng mas mataas na value ang match ngunit maaaring maging mas hindi natural ang tunog ng output.
seedopsyonal
Uriinteger | null
0 – 4,294,967,295
Seed na ginagamit upang subukang makakuha ng reproducible na mga resulta; hindi ginagarantiya ang eksaktong pag-uulit ng output.
language_codeopsyonal
Uristring | null
ISO 639-1 language code na ginagamit sa pagbuo ng speech at pagno-normalize ng text.
output_formatopsyonal
Urienum
defaultmp3_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 paopus_48000_96opus_48000_128opus_48000_192
Format ng nabuong audio, tinukoy gamit ang pattern na codec_sample_rate_bitrate.
apply_text_normalizationopsyonal
Urienum
defaultauto
autoonoff
Kinokontrol ang normalisasyon ng text bago ang pagbuo, kabilang ang paghawak sa mga numero at petsa.
timestampsopsyonal
Uriboolean
defaultfalse
Kinokontrol kung may kasamang timing data para sa mga indibidwal na character ang nabuong audio.
kinakailangan

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"
  }
}
Ikaw ang pumipili para sa iyong mga fileAng bawat outputs[].url ay kopya sa aming storage: pinananatili nang walang hanggan (sinisingil bawat GB-month) o 7 araw nang libre, ayon sa setting ng iyong account o ?storage=.
Parehong shape sa bawat modelotype, url, content_type, width, height at duration, para sa mga larawan, video at audio. Ang output ay sariling result object ng modelo.
Mga field ng output
audio
object {url, content_type, file_name, file_size}Audio file na ginawa sa pagbuo.
timestamps
array of any | nullTiming data ng nabuong speech, isinasama lamang sa mga kahilingang may `timestamps` na nakatakda sa True, na may timestamp para sa bawat salita.

Higit pang modelo: Text patungong Speech

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/elevenlabs/tts/eleven-v4.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt