Op den Inhalt sprangen

Eleven v4 Text to Speech

Integréieren

Modell-ID 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"

Dës Ufro: 0,014 $ 14 API-Kreditter · ≈ 1,51 ₽ Op dëser Säit ausféieren

API-Schlëssel kréien
ElevenLabs Text zu Sprooch #voiceover#expressive#timestamps

Dem ElevenLabs säin expressivste Stëmmmodell mat inline Emotiouns-Tags a Wuert-Zäitstempelen.

Beispiller

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 API-Kreditter

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

•obligatoresch 169 / 5000

Gitt de Sproochinhalt als Text un, optional mat Audio-Tags wéi [whispering] fir d'Aussprooch ze markéieren oder IPA-Aussproochen tëscht Schréistricher unzeginn.

Standard Rachel

Stëmm, déi fir d'Sproochsynthees ausgewielt gouf.

Erweidert apply_text_normalization · language_code · output_format · stability · similarity_boost · seed · timestamps
apply_text_normalization Standard auto

Steiert d'Textnormaliséierung virun der Generatioun, inklusiv d'Behandlung vun Zuelen an Datumen.

ISO-639-1-Sproochcode, dee beim Generéiere vun der Ried an der Normaliséierung vum Text benotzt gëtt.

Standard mp3_44100_128

Format vum generéierten Audio, spezifizéiert mam Muster codec_sample_rate_bitrate.

Standard 0.5

D'Stabilitéit vun der Stëmm gleicht expressiv Aussprooch bei niddregen Astellungen mat konsequenter Aussprooch bei héijen Astellungen aus.

Standard 0.75

Kontroll vun der Ähnlechkeet mat der Referenzstëmm, mat engem méigleche Kompromëss bei der Natierlechkeet: Eng Erhéijung verstäerkt d'Passung, kann den Output awer manner natierlech klénge loossen.

Seed fir reproduzéierbar Resultater ze probéieren; eng exakt Widderhuelung vum Output ass net garantéiert.

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

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer Eleven v4 Text to Speech

Eleven v4 liest Text mat natierlechen, emotionale Stëmmen vir a versteet inline Audio-Tags wéi [excited] oder [whispering] souwéi IPA-Aussproochen. Wielt eng Stëmm, passt Stabilitéit an Ähnlechkeet un, setzt d'Sprooch a kritt optional Zäitstempelen op Wuertniveau. MP3-, PCM-, Opus- an Telefonieformater.

Parameteren

NummTyp StandardErlaabt Beschreiwung
textobligatoresch
Typstring
≤ 5.000 Zeechen
Gitt de Sproochinhalt als Text un, optional mat Audio-Tags wéi [whispering] fir d'Aussprooch ze markéieren oder IPA-Aussproochen tëscht Schréistricher unzeginn.
voiceoptional
Typstring
StandardRachel
Stëmm, déi fir d'Sproochsynthees ausgewielt gouf.
stabilityoptional
Typnumber
Standard0.5
0 – 1
D'Stabilitéit vun der Stëmm gleicht expressiv Aussprooch bei niddregen Astellungen mat konsequenter Aussprooch bei héijen Astellungen aus.
similarity_boostoptional
Typnumber
Standard0.75
0 – 1
Kontroll vun der Ähnlechkeet mat der Referenzstëmm, mat engem méigleche Kompromëss bei der Natierlechkeet: Eng Erhéijung verstäerkt d'Passung, kann den Output awer manner natierlech klénge loossen.
seedoptional
Typinteger | null
0 – 4.294.967.295
Seed fir reproduzéierbar Resultater ze probéieren; eng exakt Widderhuelung vum Output ass net garantéiert.
language_codeoptional
Typstring | null
ISO-639-1-Sproochcode, dee beim Generéiere vun der Ried an der Normaliséierung vum Text benotzt gëtt.
output_formatoptional
Typenum
Standardmp3_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 méiopus_48000_96opus_48000_128opus_48000_192
Format vum generéierten Audio, spezifizéiert mam Muster codec_sample_rate_bitrate.
apply_text_normalizationoptional
Typenum
Standardauto
autoonoff
Steiert d'Textnormaliséierung virun der Generatioun, inklusiv d'Behandlung vun Zuelen an Datumen.
timestampsoptional
Typboolean
Standardfalse
Steiert, ob den generéierten Audio vun Timingdaten fir eenzel Zeeche begleet gëtt.
obligatoresch

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"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
audio
object {url, content_type, file_name, file_size}Audio-Datei, déi duerch d'Generatioun produzéiert gouf.
timestamps
array of any | nullTiming-Donnéeë vun der generéierter Sprooch, nëmme bei Ufroe mat `timestamps` op True, mat engem Zäitstempel fir all Wuert.

Méi Modeller: Text zu Sprooch

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/elevenlabs/tts/eleven-v4.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt