Ir para o conteúdo

Eleven v4 Text to Speech

Integrar

ID do 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 solicitação: $ 0,014 14 créditos de API · ≈ ₽ 1,50 Executar nesta página

Obter chave de API
ElevenLabs Texto para fala #voiceover#expressive#timestamps

Modelo de voz mais expressivo da ElevenLabs, com tags de emoção incorporadas e marcações de tempo das palavras.

Exemplos

Saída · ~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

Criar uma solicitação

Os controles são gerados a partir do esquema do modelo. O código e o preço são atualizados conforme você os altera.

•obrigatório 169 / 5000

Forneça o conteúdo da fala como texto, opcionalmente indicando a forma de interpretação com tags de áudio, como [whispering], ou especificando pronúncias em IPA entre barras.

padrão Rachel

Voz selecionada para sintetizar fala.

Avançado apply_text_normalization · language_code · output_format · stability · similarity_boost · seed · timestamps
apply_text_normalization padrão auto

Controla a normalização do texto antes da geração, incluindo o tratamento de números e datas.

Código de idioma ISO 639-1 usado ao gerar a fala e normalizar o texto.

padrão mp3_44100_128

Formato do áudio gerado, especificado usando o padrão codec_sample_rate_bitrate.

padrão 0.5

A estabilidade da voz equilibra uma interpretação expressiva em valores baixos com uma interpretação consistente em valores altos.

padrão 0.75

Controle de similaridade com a voz de referência, com possível compensação na naturalidade: aumentá-lo fortalece a correspondência, mas pode fazer a saída soar menos natural.

Seed usada para tentar obter resultados reproduzíveis; a repetição exata da saída não é garantida.

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

Executar esta solicitação

Sua chave permanece neste navegador: ela é enviada somente à Doitong API e salva (localStorage) apenas se você marcar Lembrar. Obter uma chave de API

Sobre Eleven v4 Text to Speech

Eleven v4 lê textos em voz alta com vozes naturais e emocionais e entende tags de áudio incorporadas, como [excited] ou [whispering], além de pronúncias em IPA. Escolha uma voz, ajuste estabilidade e similaridade, defina o idioma e opcionalmente obtenha marcações de tempo em nível de palavra. Formatos MP3, PCM, Opus e de telefonia.

Parâmetros

NomeTipo PadrãoPermitido Descrição
textobrigatório
Tipostring
≤ 5.000 caracteres
Forneça o conteúdo da fala como texto, opcionalmente indicando a forma de interpretação com tags de áudio, como [whispering], ou especificando pronúncias em IPA entre barras.
voiceopcional
Tipostring
PadrãoRachel
Voz selecionada para sintetizar fala.
stabilityopcional
Tiponumber
Padrão0.5
0 – 1
A estabilidade da voz equilibra uma interpretação expressiva em valores baixos com uma interpretação consistente em valores altos.
similarity_boostopcional
Tiponumber
Padrão0.75
0 – 1
Controle de similaridade com a voz de referência, com possível compensação na naturalidade: aumentá-lo fortalece a correspondência, mas pode fazer a saída soar menos natural.
seedopcional
Tipointeger | null
0 – 4.294.967.295
Seed usada para tentar obter resultados reproduzíveis; a repetição exata da saída não é garantida.
language_codeopcional
Tipostring | null
Código de idioma ISO 639-1 usado ao gerar a fala e normalizar o texto.
output_formatopcional
Tipoenum
Padrãomp3_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 a maisopus_48000_96opus_48000_128opus_48000_192
Formato do áudio gerado, especificado usando o padrão codec_sample_rate_bitrate.
apply_text_normalizationopcional
Tipoenum
Padrãoauto
autoonoff
Controla a normalização do texto antes da geração, incluindo o tratamento de números e datas.
timestampsopcional
Tipoboolean
Padrãofalse
Controla se o áudio gerado é acompanhado de dados de tempo para caracteres individuais.
obrigatório

Saída

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"
  }
}
Seus arquivos, sua escolhaCada outputs[].url é uma cópia em nosso armazenamento: mantida para sempre (cobrada por GB-mês) ou por 7 dias gratuitamente, conforme a configuração da sua conta ou ?storage=.
Mesmo formato em todos os modelostype, url, content_type, width, height e duration, para imagens, vídeos e áudios. output é o próprio objeto de resultado do modelo.
Campos da saída
audio
object {url, content_type, file_name, file_size}Arquivo de áudio produzido pela geração.
timestamps
array of any | nullDados de temporização da fala gerada, incluídos somente para requisições com `timestamps` definido como True, com um timestamp para cada palavra.

Mais modelos: Texto para fala

Para agentes de IA: esta página em Markdown está em https://doitong.com/pt-BR/developers/models/elevenlabs/tts/eleven-v4.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt