ข้ามไปยังเนื้อหา

Eleven v4 Text to Speech

ผสานการทำงาน

ID โมเดล 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"

คำขอนี้: $0.014 14 เครดิต API · ≈ ₽1.51 เรียกใช้ในหน้านี้

รับคีย์ API
ElevenLabs ข้อความเป็นเสียงพูด #voiceover#expressive#timestamps

โมเดลเสียงของ ElevenLabs ที่ถ่ายทอดอารมณ์ได้ดีที่สุด พร้อมแท็กอารมณ์แบบอินไลน์และไทม์สแตมป์ระดับคำ

ตัวอย่าง

เอาต์พุต · ~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 เครดิต API

สร้างคำขอ

ตัวควบคุมสร้างจากสคีมาของโมเดล โค้ดและราคาจะอัปเดตเมื่อคุณเปลี่ยนค่า

•จำเป็น 169 / 5000

ระบุเนื้อหาเสียงพูดเป็นข้อความ โดยอาจกำกับลักษณะการพูดด้วยแท็กเสียง เช่น [whispering] หรือระบุการออกเสียง IPA ระหว่างเครื่องหมายทับ

ค่าเริ่มต้น Rachel

เสียงที่เลือกสำหรับสังเคราะห์เสียงพูด

ขั้นสูง apply_text_normalization · language_code · output_format · stability · similarity_boost · seed · timestamps
apply_text_normalization ค่าเริ่มต้น auto

ควบคุมการปรับรูปแบบข้อความให้เป็นมาตรฐานก่อนการสร้าง รวมถึงการจัดการตัวเลขและวันที่

รหัสภาษาตามมาตรฐาน ISO 639-1 ที่ใช้เมื่อสร้างเสียงพูดและปรับรูปแบบข้อความให้เป็นมาตรฐาน

ค่าเริ่มต้น mp3_44100_128

รูปแบบเสียงที่สร้าง โดยระบุด้วยรูปแบบ codec_sample_rate_bitrate

ค่าเริ่มต้น 0.5

ความเสถียรของเสียงช่วยสร้างสมดุลระหว่างการถ่ายทอดอย่างมีอารมณ์เมื่อใช้ค่าต่ำ กับการถ่ายทอดที่สม่ำเสมอเมื่อใช้ค่าสูง

ค่าเริ่มต้น 0.75

การควบคุมความคล้ายคลึงของเสียงอ้างอิง ซึ่งอาจแลกมากับความเป็นธรรมชาติ การเพิ่มค่าจะทำให้เสียงตรงกันมากขึ้น แต่อาจทำให้เอาต์พุตฟังดูเป็นธรรมชาติน้อยลง

ซีดที่ใช้เพื่อพยายามสร้างผลลัพธ์ที่ทำซ้ำได้ แต่ไม่รับประกันว่าเอาต์พุตจะเหมือนเดิมทุกประการ

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

เรียกใช้คำขอนี้

คีย์ของคุณจะอยู่ในเบราว์เซอร์นี้ โดยส่งไปยัง Doitong API เท่านั้น และจะบันทึกใน localStorage ก็ต่อเมื่อคุณเลือกจดจำ รับคีย์ API

เกี่ยวกับ Eleven v4 Text to Speech

Eleven v4 อ่านข้อความออกเสียงด้วยเสียงที่เป็นธรรมชาติและสื่ออารมณ์ พร้อมรองรับแท็กเสียงแบบอินไลน์ เช่น [excited] หรือ [whispering] รวมถึงการออกเสียง IPA เลือกเสียง ปรับความเสถียรและความคล้ายคลึง ตั้งค่าภาษา และเลือกขอไทม์สแตมป์ระดับคำได้ รองรับรูปแบบ MP3, PCM, Opus และโทรศัพท์

พารามิเตอร์

ชื่อประเภท ค่าเริ่มต้นค่าที่อนุญาต คำอธิบาย
textจำเป็น
ประเภทstring
≤ 5,000 อักขระ
ระบุเนื้อหาเสียงพูดเป็นข้อความ โดยอาจกำกับลักษณะการพูดด้วยแท็กเสียง เช่น [whispering] หรือระบุการออกเสียง IPA ระหว่างเครื่องหมายทับ
voiceไม่บังคับ
ประเภทstring
ค่าเริ่มต้นRachel
เสียงที่เลือกสำหรับสังเคราะห์เสียงพูด
stabilityไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0.5
0 – 1
ความเสถียรของเสียงช่วยสร้างสมดุลระหว่างการถ่ายทอดอย่างมีอารมณ์เมื่อใช้ค่าต่ำ กับการถ่ายทอดที่สม่ำเสมอเมื่อใช้ค่าสูง
similarity_boostไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0.75
0 – 1
การควบคุมความคล้ายคลึงของเสียงอ้างอิง ซึ่งอาจแลกมากับความเป็นธรรมชาติ การเพิ่มค่าจะทำให้เสียงตรงกันมากขึ้น แต่อาจทำให้เอาต์พุตฟังดูเป็นธรรมชาติน้อยลง
seedไม่บังคับ
ประเภทinteger | null
0 – 4,294,967,295
ซีดที่ใช้เพื่อพยายามสร้างผลลัพธ์ที่ทำซ้ำได้ แต่ไม่รับประกันว่าเอาต์พุตจะเหมือนเดิมทุกประการ
language_codeไม่บังคับ
ประเภทstring | null
รหัสภาษาตามมาตรฐาน ISO 639-1 ที่ใช้เมื่อสร้างเสียงพูดและปรับรูปแบบข้อความให้เป็นมาตรฐาน
output_formatไม่บังคับ
ประเภทenum
ค่าเริ่มต้นmp3_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
เพิ่มเติมอีก 3 ค่าopus_48000_96opus_48000_128opus_48000_192
รูปแบบเสียงที่สร้าง โดยระบุด้วยรูปแบบ codec_sample_rate_bitrate
apply_text_normalizationไม่บังคับ
ประเภทenum
ค่าเริ่มต้นauto
autoonoff
ควบคุมการปรับรูปแบบข้อความให้เป็นมาตรฐานก่อนการสร้าง รวมถึงการจัดการตัวเลขและวันที่
timestampsไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นfalse
ควบคุมว่าจะให้เสียงที่สร้างมาพร้อมข้อมูลเวลาสำหรับอักขระแต่ละตัวหรือไม่
จำเป็น

เอาต์พุต

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"
  }
}
ไฟล์ของคุณ คุณเลือกเองทุก outputs[].url คือสำเนาบนพื้นที่จัดเก็บของเรา: เก็บไว้ตลอดไป (คิดค่าบริการต่อ GB-เดือน) หรือฟรี 7 วัน โดยกำหนดได้ในการตั้งค่าบัญชีหรือ ?storage=
รูปแบบเดียวกันในทุกโมเดลtype, url, content_type, width, height และ duration สำหรับภาพ วิดีโอ และเสียงเหมือนกันทั้งหมด ส่วน output คือออบเจ็กต์ผลลัพธ์ของโมเดลเอง
ฟิลด์ของเอาต์พุต
audio
object {url, content_type, file_name, file_size}ไฟล์เสียงที่สร้างขึ้น
timestamps
array of any | nullข้อมูลเวลาของเสียงพูดที่สร้าง ซึ่งรวมเฉพาะคำขอที่ตั้งค่า `timestamps` เป็น True และมีการประทับเวลาสำหรับทุกคำ

โมเดลเพิ่มเติม: ข้อความเป็นเสียงพูด

สำหรับเอเจนต์ AI: หน้า Markdown นี้อยู่ที่ https://doitong.com/th/developers/models/elevenlabs/tts/eleven-v4.md. โมเดลและคู่มือทั้งหมด: https://doitong.com/developers/llms.txt