ElevenLabs-Dokumentation

Add ElevenLabs to my project: run `npx -y @elevenlabs/cli@latest onboard init` and follow what it prints.

Wie funktioniert ElevenLabs?

ElevenLabs bietet KI-Sprachinfrastruktur: Text to Speech, Speech to Text, KI-Stimme klonen, Sprachagenten und generatives Audio. Sie können sie auf vier Arten nutzen, die für verschiedene Zielgruppen geeignet sind.

ElevenCreative ist eine No-Code-Webanwendung, in der Kreative, Produzenten und Editoren Voiceovers, Musik, Synchronisationen und Studioprojekte direkt im Browser erstellen.

ElevenAgents ist die Plattform zum Entwickeln und Betreiben von Sprachagenten — mit einem visuellen Builder für nicht technische Nutzer und vollständiger programmatischer Kontrolle für Entwickler.

ElevenAPI stellt jede Funktion als REST-Schnittstelle mit offiziellen Python- und TypeScript-SDKs bereit, sodass Entwickler Sprache in ihre eigenen Anwendungen und Workflows einbetten können.

Reception.ai ist ein sofort einsetzbarer KI-Telefonempfang für kleine und mittlere Unternehmen, der Anrufe entgegennimmt, Termine bucht und tägliche Abläufe über ein einziges Dashboard verwaltet.

Wählen Sie Ihren Weg

ElevenCreative

Erfahren Sie in Schritt-für-Schritt-Anleitungen, wie Sie die ElevenCreative-Plattform nutzen

ElevenAgents

Erfahren Sie, wie Sie Agenten mit ElevenLabs erstellen, starten und skalieren

ElevenAPI

Erfahren Sie anhand von Beispielen und Tutorials, wie Sie die ElevenLabs API integrieren

Konzepte

Stimmen sind die Sprachpersönlichkeiten, die bei der Audiogenerierung verwendet werden. Jede Stimme hat eine eindeutige ID — zum Beispiel JBFqnCBsd6RMkjVDRZzb — die Sie im Dashboard auswählen oder in API-Anfragen übergeben. ElevenLabs pflegt eine Bibliothek mit über 10.000 Stimmen. Sie können auch eine Stimme aus einer Audioaufnahme klonen oder aus einer Textbeschreibung generieren.

Modelle steuern Qualität, Latenz und Sprachabdeckung des generierten Audios. eleven_v4 erzeugt die ausdrucksstärksten Ergebnisse in über 90 Sprachen. eleven_v4_turbo ist für Echtzeitanwendungen mit einer medianen Latenz von etwa 100 ms ausgelegt. Jede Funktion — Speech to Text, Musik, Soundeffekte — hat ein eigenes Modell. Unter Welches Modell sollte ich verwenden? erfahren Sie, wie Sie eines auswählen.

Wie funktioniert die Preisgestaltung?

Credits sind die Verbrauchseinheit, die für alle Produkte gilt. Text to Speech kostet einen Credit pro Zeichen des eingegebenen Textes. Andere Vorgänge werden pro Sekunde verarbeitetem Audio abgerechnet. Credits werden monatlich zurückgesetzt, und ungenutzte Credits werden bis zu zwei Monate übertragen. Eine vollständige Aufschlüsselung finden Sie unter Preise.

Wenn Sie die API ohne monatliches Abonnement nutzen möchten, können Sie mit Pay As You Go ein Guthaben im Voraus bezahlen, das bei der Nutzung von ElevenLabs nach dem Aufbrauchen Ihrer Abonnement-Credits verwendet wird.

Für den Produktionseinsatz entwickelt

Wie schnell ist ElevenLabs Text to Speech?

Eleven v4 Turbo und Eleven Flash v2.5 liefern beide das erste Audio mit einer medianen Latenz von ~100 ms. Scribe v2 Realtime liefert bestätigte Transkripte mit einer medianen Latenz von ~150 ms. Diese Werte schließen Anwendungs- und Netzwerklatenz aus. Daher dauert es länger, bis Ihre Nutzer Audio hören. So wird Latenz gemessen erklärt, was die Werte abdecken. Unter Latenzoptimierung erfahren Sie, wie Sie die End-to-End-Latenz reduzieren.

Wie skaliert ElevenLabs?

Ihr Tarif bestimmt, wie viele Anfragen gleichzeitig verarbeitet werden. Ein Parallelitätslimit begrenzt nicht die Anzahl gleichzeitiger Gespräche: Als Faustregel kann ein Limit von 5 je nach verwendeten Stimmen und Anwendungsfall typischerweise etwa 100 gleichzeitige Audioübertragungen unterstützen. Enterprise-Tarife haben höhere Limits. Unter Parallelität und Priorität finden Sie Limits pro Tarif und Hinweise zu Lasttests.

Enterprise-Kontrollen

• Private Bereitstellungen führen ElevenAgents, Text to Speech und Speech to Text in Ihrem eigenen Cloud-Konto aus. So bleiben Text, Audio und Transkripte in Ihrem Netzwerk.
• Datenresidenz speichert Ihre Daten in isolierten Umgebungen in der EU, Indien oder Singapur statt am standardmäßigen Standort in den USA. Dies ist eine Enterprise-Funktion.
• Arbeitsbereiche zentralisieren Abrechnung, gemeinsam genutzte Ressourcen, Teamzugriff und API-Schlüsselverwaltung. Enterprise-Arbeitsbereiche bieten zusätzlich SSO über SAML 2.0 oder OIDC sowie Audit-Logs für administrative Aktionen im OCSF-Schema.

Erstellen Sie Ihr erstes Audio

Installieren Sie das SDK, legen Sie Ihren API-Schlüssel als Umgebungsvariable fest und konvertieren Sie Text mit einer einzigen Anfrage in eine MP3-Datei. Wenn Ihr Coding-Agent diese Einrichtung übernehmen soll, lesen Sie Einrichtung mit Ihrem Coding-Agent.

pip install elevenlabs python-dotenv

ELEVENLABS_API_KEY=<your_api_key_here>

from dotenv import load_dotenv
from elevenlabs.client import ElevenLabs
import os
load_dotenv()
elevenlabs = ElevenLabs(
  api_key=os.getenv("ELEVENLABS_API_KEY"),
)
audio = elevenlabs.text_to_speech.convert(
    text="The first move is what sets everything in motion.",
    voice_id="JBFqnCBsd6RMkjVDRZzb",  # "George" - browse voices at elevenlabs.io/app/voice-library
    model_id="eleven_v4",
    output_format="mp3_44100_128",
)
with open("output.mp3", "wb") as f:
    for chunk in audio:
        f.write(chunk)

elevenlabs text-to-speech convert \
  --voice-id JBFqnCBsd6RMkjVDRZzb \
  --model-id eleven_v4 \
  --text "The first move is what sets everything in motion." \
  --output-format mp3_44100_128 \
  --output output.mp3

Der ElevenAPI-Schnellstart behandelt dieselbe Anfrage ausführlicher, einschließlich der CLI-Einrichtung und der Audiowiedergabe über Ihre Lautsprecher.

Was kann ich mit ElevenAgents entwickeln?

ElevenAgents kombiniert Spracherkennung, ein LLM Ihrer Wahl, Text to Speech und Sprecherwechsel zu einem einzelnen Sprachagenten, den Sie im Dashboard oder über die SDKs konfigurieren.

• Kundensupport: Beantworten Sie Fragen auf Basis Ihrer eigenen Dokumentation, indem Sie dem Agenten eine Wissensdatenbank hinzufügen.
• Telefonleitungen: Verbinden Sie eine Twilio-Nummer über die native Integration, um eingehende und ausgehende Anrufe zu bearbeiten, oder integrieren Sie Ihr bestehendes Telefonsystem über SIP-Trunking.
• Outbound-Kampagnen: Führen Sie mit Batch-Anrufen viele ausgehende Anrufe gleichzeitig durch.
• Websites und Apps: Binden Sie mit dem Widget einen Agenten ein, der Sprache und Text verarbeitet.

Der ElevenAgents-Schnellstart erstellt einen ersten Agenten von Anfang bis Ende.

Welches Modell sollte ich verwenden?

Beginnen Sie mit Ihrem Anwendungsfall. Jede Modell-ID unten ist der Wert, den Sie in API-Anfragen als model_id übergeben.

Weitere Anwendungsfälle finden Sie unter Das richtige Modell auswählen und vollständige Spezifikationen in der Modellreferenz.

Nach Funktionen durchsuchen