Documentation ElevenLabs

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

Comment fonctionne ElevenLabs ?

ElevenLabs fournit une infrastructure d’IA vocale : synthèse vocale, reconnaissance vocale, clonage de voix, agents vocaux et audio génératif. Vous pouvez l’utiliser de quatre manières, adaptées à différents publics.

ElevenCreative est une application web sans code où les créateurs, producteurs et monteurs génèrent des voix off, de la musique, des doublages et des projets Studio directement dans le navigateur.

ElevenAgents est la plateforme permettant de concevoir et d’exploiter des agents vocaux, avec un éditeur visuel pour les utilisateurs non techniques et un contrôle programmatique complet pour les développeurs.

ElevenAPI expose chaque fonctionnalité sous la forme d’une interface REST avec des SDK Python et TypeScript officiels, afin que les développeurs puissent intégrer la voix à leurs propres applications et flux de travail.

Reception.ai est un réceptionniste téléphonique IA prêt à déployer pour les petites et moyennes entreprises. Il répond aux appels, planifie des rendez-vous et gère les opérations quotidiennes depuis un seul Dashboard.

Choisissez votre parcours

ElevenCreative

Découvrez comment utiliser la plateforme ElevenCreative grâce à des guides étape par étape

ElevenAgents

Découvrez comment concevoir, lancer et faire évoluer des agents avec ElevenLabs

ElevenAPI

Découvrez comment intégrer l’API ElevenLabs avec des exemples et des tutoriels

Concepts

Les voix sont les personnalités vocales utilisées pour générer de l’audio. Chaque voix possède un identifiant unique, par exemple JBFqnCBsd6RMkjVDRZzb, que vous sélectionnez dans le Dashboard ou transmettez dans vos requêtes API. ElevenLabs propose une bibliothèque de plus de 10 000 voix. Vous pouvez aussi cloner une voix à partir d’un enregistrement audio ou en générer une depuis une description textuelle.

Les modèles déterminent la qualité, la latence et la couverture linguistique de l’audio généré. eleven_v4 produit le rendu le plus expressif dans plus de 90 langues. eleven_v4_turbo est conçu pour l’utilisation en temps réel, avec une latence médiane d’inférence d’environ 100 ms. Chaque fonctionnalité, reconnaissance vocale, musique ou effets sonores, possède son propre modèle dédié. Consultez Quel modèle dois-je utiliser ? pour en choisir un.

Comment fonctionne la tarification ?

Les crédits constituent l’unité de consommation commune à tous les produits. La synthèse vocale coûte un crédit par caractère de texte saisi. Les autres opérations sont facturées par seconde d’audio traitée. Les crédits sont réinitialisés chaque mois et les crédits non utilisés sont reportés pendant deux mois maximum. Consultez la tarification pour obtenir le détail complet.

Pour utiliser l’API sans abonnement mensuel, le paiement à l’usage vous permet de prépayer un solde, débité à mesure que vous utilisez ElevenLabs, une fois vos crédits d’abonnement épuisés.

Conçu pour la production

Quelle est la rapidité de la synthèse vocale ElevenLabs ?

Eleven Flash v2.5 génère de l’audio avec une latence d’inférence du modèle d’environ 75 ms, et Eleven v4 Turbo avec une médiane d’environ 100 ms. Scribe v2 Realtime renvoie des transcriptions partielles en environ 150 ms. Ces chiffres n’incluent pas la latence de l’application et du réseau. Le délai avant que vos utilisateurs entendent l’audio est donc plus élevé. Comprendre la latence explique ce que couvrent ces chiffres, et Optimisation de la latence indique comment réduire la latence de bout en bout.

Comment ElevenLabs gère-t-il la montée en charge ?

Votre forfait détermine le nombre de requêtes traitées simultanément. Une limite de requêtes simultanées ne plafonne pas le nombre de conversations simultanées : à titre indicatif, une limite de 5 permet généralement de prendre en charge environ 100 diffusions audio simultanées, selon les voix utilisées et le cas d’utilisation. Les forfaits Enterprise proposent des limites plus élevées. Consultez Requêtes simultanées et priorité pour connaître les limites par forfait et obtenir des conseils sur les tests de charge.

Contrôles Enterprise

• Les déploiements privés exécutent ElevenAgents, Text to Speech et Speech to Text dans votre propre compte cloud. Vos textes, vos fichiers audio et vos transcriptions restent ainsi sur votre réseau.
• La résidence des données stocke vos données dans des environnements isolés au sein de l’UE, en Inde ou à Singapour, plutôt que dans l’emplacement américain par défaut. Cette fonctionnalité est réservée à Enterprise.
• Les Workspaces centralisent la facturation, les ressources partagées, les accès de l’équipe et la gestion des clés API. Les Workspaces Enterprise ajoutent l’authentification unique via SAML 2.0 ou OIDC, ainsi que des journaux d’audit des actions administratives au format OCSF.

Générez votre premier fichier audio

Installez le SDK, définissez votre clé API comme variable d’environnement et convertissez du texte en fichier MP3 en une seule requête. Pour confier cette configuration à votre agent de programmation, consultez Configuration avec votre agent de programmation.

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

Le guide de démarrage ElevenAPI détaille la même requête, y compris la configuration de l’interface en ligne de commande et la lecture audio via vos haut-parleurs.

Que puis-je concevoir avec ElevenAgents ?

ElevenAgents combine la reconnaissance vocale, le LLM de votre choix, la synthèse vocale et la gestion des tours de parole en un seul agent vocal, que vous configurez dans le Dashboard ou via les SDK.

• Support client : répondez aux questions à partir de votre propre documentation en associant une base de connaissances à l’agent.
• Lignes téléphoniques : connectez un numéro Twilio avec l’intégration native pour traiter les appels entrants et sortants, ou connectez votre système téléphonique existant via un trunk SIP.
• Campagnes sortantes : passez de nombreux appels sortants simultanément grâce aux appels par lot.
• Sites web et applications : intégrez un agent qui traite la voix et le texte grâce au widget.

Le guide de démarrage ElevenAgents vous accompagne dans la conception de votre premier agent de bout en bout.

Quel modèle dois-je utiliser ?

Partez de votre cas d’utilisation. Chaque ID de modèle ci-dessous est la valeur à transmettre comme model_id dans les requêtes API.

Consultez Choisir le bon modèle pour d’autres cas d’utilisation et la référence des modèles pour les spécifications complètes.

Parcourir par fonctionnalité