Vai al contenuto

Eleven v4 Text to Speech

Integra

ID del modello 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"

Questa richiesta: 0,014 $ 14 crediti API · ≈ 1,51 ₽ Esegui in questa pagina

Ottieni la chiave API
ElevenLabs Da testo a voce #voiceover#expressive#timestamps

Il modello vocale più espressivo di ElevenLabs, con tag inline delle emozioni e timestamp delle parole.

Esempi

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 crediti API

Crea una richiesta

I controlli vengono generati dallo schema del modello. Il codice e il prezzo si aggiornano mentre li modifichi.

•obbligatorio 169 / 5000

Fornisce il contenuto del parlato come testo, indicando facoltativamente il modo di pronunciarlo con tag audio come [whispering] o specificando le pronunce IPA tra barre.

predefinito Rachel

Voce selezionata per sintetizzare la voce.

Avanzate apply_text_normalization · language_code · output_format · stability · similarity_boost · seed · timestamps
apply_text_normalization predefinito auto

Controlla la normalizzazione del testo prima della generazione, inclusa la gestione di numeri e date.

Codice lingua ISO 639-1 usato durante la generazione del parlato e la normalizzazione del testo.

predefinito mp3_44100_128

Formato audio generato, specificato usando lo schema codec_sample_rate_bitrate.

predefinito 0.5

La stabilità della voce bilancia un'esecuzione espressiva con valori bassi e un'esecuzione coerente con valori alti.

predefinito 0.75

Controllo della somiglianza con la voce di riferimento, con un possibile compromesso sulla naturalezza: aumentandolo si rafforza la corrispondenza, ma l'output può risultare meno naturale.

Seed usato per tentare di ottenere risultati riproducibili; la ripetizione esatta dell'output non è garantita.

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

Esegui questa richiesta

La tua chiave rimane in questo browser: viene inviata solo al Doitong API e salvata in localStorage solo se selezioni Ricorda. Ottieni una chiave API

Informazioni su Eleven v4 Text to Speech

Eleven v4 legge il testo ad alta voce con voci naturali ed emotive e comprende tag audio inline come [excited] o [whispering], oltre alle pronunce IPA. Scegli una voce, regola stabilità e somiglianza, imposta la lingua e ottieni facoltativamente i timestamp a livello di parola. Formati MP3, PCM, Opus e telefonici.

Parametri

NomeTipo PredefinitoConsentiti Descrizione
textobbligatorio
Tipostring
≤ 5000 caratteri
Fornisce il contenuto del parlato come testo, indicando facoltativamente il modo di pronunciarlo con tag audio come [whispering] o specificando le pronunce IPA tra barre.
voicefacoltativo
Tipostring
PredefinitoRachel
Voce selezionata per sintetizzare la voce.
stabilityfacoltativo
Tiponumber
Predefinito0.5
0 – 1
La stabilità della voce bilancia un'esecuzione espressiva con valori bassi e un'esecuzione coerente con valori alti.
similarity_boostfacoltativo
Tiponumber
Predefinito0.75
0 – 1
Controllo della somiglianza con la voce di riferimento, con un possibile compromesso sulla naturalezza: aumentandolo si rafforza la corrispondenza, ma l'output può risultare meno naturale.
seedfacoltativo
Tipointeger | null
0 – 4.294.967.295
Seed usato per tentare di ottenere risultati riproducibili; la ripetizione esatta dell'output non è garantita.
language_codefacoltativo
Tipostring | null
Codice lingua ISO 639-1 usato durante la generazione del parlato e la normalizzazione del testo.
output_formatfacoltativo
Tipoenum
Predefinitomp3_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 altriopus_48000_96opus_48000_128opus_48000_192
Formato audio generato, specificato usando lo schema codec_sample_rate_bitrate.
apply_text_normalizationfacoltativo
Tipoenum
Predefinitoauto
autoonoff
Controlla la normalizzazione del testo prima della generazione, inclusa la gestione di numeri e date.
timestampsfacoltativo
Tipoboolean
Predefinitofalse
Controlla se l'audio generato è accompagnato da dati temporali per i singoli caratteri.
obbligatorio

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"
  }
}
I tuoi file, la tua sceltaOgni outputs[].url è una copia nella nostra archiviazione: conservata per sempre (a pagamento per GB-mese) oppure 7 giorni gratuitamente, in base all'impostazione dell'account o a ?storage=.
Stessa struttura per ogni modellotype, url, content_type, width, height e duration, per immagini, video e audio. output è l'oggetto risultato del modello.
Campi dell'output
audio
object {url, content_type, file_name, file_size}File audio prodotto dalla generazione.
timestamps
array of any | nullDati temporali del parlato generato, inclusi solo per le richieste con `timestamps` impostato su True, con un timestamp per ogni parola.

Altri modelli: Da testo a voce

Per gli agenti AI: questa pagina in Markdown è disponibile all'indirizzo https://doitong.com/it/developers/models/elevenlabs/tts/eleven-v4.md. Tutti i modelli e le guide: https://doitong.com/developers/llms.txt