Avançar 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"

Este pedido: 0,014 $ 14 créditos da API · ≈ 1,50 ₽ Executar nesta página

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

O modelo de voz mais expressivo da ElevenLabs, com etiquetas de emoção incorporadas e carimbos temporais das palavras.

Exemplos

Resultado · ~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 da API

Criar um pedido

Os controlos são gerados a partir do esquema do modelo. O código e o preço são atualizados à medida que os altera.

•obrigatório 169 / 5000

Forneça o conteúdo da fala como texto, marcando opcionalmente a forma de dizer com etiquetas de áudio, como [whispering], ou especificando pronúncias IPA entre barras.

predefinição Rachel

Voz selecionada para sintetizar fala.

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

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

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

predefinição mp3_44100_128

Formato do áudio gerado, especificado através do padrão codec_sample_rate_bitrate.

predefinição 0.5

A estabilidade da voz equilibra uma expressão mais dinâmica com valores baixos e uma entrega mais consistente com valores altos.

predefinição 0.75

Controlo da semelhança com a voz de referência, com possível compromisso com a naturalidade: aumentá-lo reforça a correspondência, mas pode tornar a saída menos natural.

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

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 este pedido

A sua chave permanece neste navegador: é enviada apenas para a Doitong API e guardada em localStorage apenas se selecionar Lembrar. Obter uma chave de API

Sobre Eleven v4 Text to Speech

Eleven v4 lê texto em voz alta com vozes naturais e emotivas e compreende etiquetas de áudio incorporadas, como [excited] ou [whispering], bem como pronúncias IPA. Escolha uma voz, ajuste a estabilidade e a semelhança, defina o idioma e obtenha opcionalmente carimbos temporais ao nível das palavras. Formatos MP3, PCM, Opus e de telefonia.

Parâmetros

NomeTipo PredefiniçãoPermitido Descrição
textobrigatório
Tipostring
≤ 5000 caracteres
Forneça o conteúdo da fala como texto, marcando opcionalmente a forma de dizer com etiquetas de áudio, como [whispering], ou especificando pronúncias IPA entre barras.
voiceopcional
Tipostring
PredefiniçãoRachel
Voz selecionada para sintetizar fala.
stabilityopcional
Tiponumber
Predefinição0.5
0 – 1
A estabilidade da voz equilibra uma expressão mais dinâmica com valores baixos e uma entrega mais consistente com valores altos.
similarity_boostopcional
Tiponumber
Predefinição0.75
0 – 1
Controlo da semelhança com a voz de referência, com possível compromisso com a naturalidade: aumentá-lo reforça a correspondência, mas pode tornar a saída menos natural.
seedopcional
Tipointeger | null
0 – 4 294 967 295
Seed utilizado para tentar obter resultados reproduzíveis; não é garantida a repetição exata da saída.
language_codeopcional
Tipostring | null
Código de idioma ISO 639-1 utilizado ao gerar a fala e normalizar o texto.
output_formatopcional
Tipoenum
Predefiniçãomp3_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 maisopus_48000_96opus_48000_128opus_48000_192
Formato do áudio gerado, especificado através do padrão codec_sample_rate_bitrate.
apply_text_normalizationopcional
Tipoenum
Predefiniçãoauto
autoonoff
Controla a normalização do texto antes da geração, incluindo o tratamento de números e datas.
timestampsopcional
Tipoboolean
Predefiniçãofalse
Controla se o áudio gerado é acompanhado por dados temporais de caracteres individuais.
obrigatório

Resultado

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"
  }
}
Os seus ficheiros, a sua escolhaCada outputs[].url é uma cópia no nosso armazenamento: guardada para sempre (paga por GB-mês) ou durante 7 dias gratuitamente, conforme a definição da sua conta ou ?storage=.
A mesma estrutura em todos os modelostype, url, content_type, width, height e duration, tanto para imagens como para vídeo e áudio. output é o próprio objeto de resultado do modelo.
Campos do resultado
audio
object {url, content_type, file_name, file_size}Ficheiro de áudio produzido pela geração.
timestamps
array of any | nullDados de temporização da fala gerada, incluídos apenas nos pedidos com `timestamps` definido como True, com uma marca temporal para cada palavra.

Mais modelos: Texto para voz

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