Vai alla navigazione

Documentazione di ElevenLabs

Esplora la nostra documentazione e le guide per integrare ElevenLabs

Inizia con il tuo agente di coding. Non servono prima né un account né una chiave API.

Incolla questo in Claude Code, Cursor o Codex. Ti fa accedere o crea un account, crea una chiave e aggiunge l’SDK al tuo progetto.

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

Scopri come funziona oppure leggi il codice sorgente del comando onboard per vedere esattamente cosa comunica al tuo agente.

Come funziona ElevenLabs?

ElevenLabs fornisce un’infrastruttura per voci IA: sintesi vocale, riconoscimento vocale, clonazione vocale, agenti vocali e audio generativo. Puoi usarla in quattro modi, adatti a pubblici diversi.

ElevenCreative è un’applicazione web no-code in cui creatori, produttori ed editor generano voci fuori campo, musica, doppiaggi e progetti Studio direttamente nel browser.

ElevenAgents è la piattaforma per progettare e gestire agenti vocali, con un builder visuale per utenti non tecnici e controllo programmatico completo per gli sviluppatori.

ElevenAPI espone ogni funzionalità tramite un’interfaccia REST con SDK ufficiali per Python e TypeScript, così gli sviluppatori possono integrare la voce nelle proprie applicazioni e nei propri workflow.

Reception.ai è una receptionist telefonica IA pronta per l’implementazione, pensata per piccole e medie imprese: risponde alle chiamate, fissa appuntamenti e gestisce le operazioni quotidiane da un’unica dashboard.

Scegli il tuo percorso

Concetti

Le voci sono la personalità vocale usata nella generazione dell’audio. Ogni voce ha un ID univoco — ad esempio JBFqnCBsd6RMkjVDRZzb — che selezioni nella dashboard o passi nelle richieste API. ElevenLabs mantiene una libreria di oltre 10.000 voci. Puoi anche clonare una voce da una registrazione audio o generarne una a partire da una descrizione testuale.

I modelli controllano la qualità, la latenza e la copertura linguistica dell’audio generato. eleven_v4 produce l’output più espressivo in oltre 90 lingue. eleven_v4_turbo è pensato per l’uso in tempo reale, con una latenza mediana di ~100 ms. Ogni funzionalità — riconoscimento vocale, musica, effetti sonori — ha il proprio modello dedicato. Consulta Quale modello devo usare? per sceglierne uno.

Come funziona la tariffazione?

I crediti sono l’unità di consumo condivisa da tutti i prodotti. La sintesi vocale costa un credito per carattere di testo in input. Le altre operazioni vengono addebitate per secondo di audio elaborato. I crediti si rinnovano ogni mese e quelli non utilizzati vengono riportati fino a due mesi. Consulta i prezzi per un’analisi completa.

Per usare l’API senza un abbonamento mensile, Pay As You Go ti consente di prepagare un saldo che viene scalato man mano che usi ElevenLabs, dopo l’esaurimento dei crediti dell’abbonamento.

Progettato per la produzione

Quanto è veloce il Text to Speech di ElevenLabs?

Eleven v4 Turbo e Eleven Flash v2.5 restituiscono entrambi il primo audio con una latenza mediana di ~100 ms. Scribe v2 Realtime restituisce trascrizioni confermate con una latenza mediana di ~150 ms. Questi valori escludono la latenza dell’applicazione e della rete, quindi il tempo prima che i tuoi utenti sentano l’audio è maggiore. Come viene misurata la latenza spiega cosa includono questi valori, mentre Ottimizzazione della latenza descrive come ridurre la latenza end-to-end.

Come gestisce ElevenLabs la scalabilità?

Il tuo piano stabilisce quante richieste vengono elaborate contemporaneamente. Un limite di concorrenza non è un tetto alle conversazioni simultanee: come regola generale, un limite di 5 può in genere supportare circa 100 trasmissioni audio simultanee, a seconda delle voci utilizzate e del caso d’uso. I piani Enterprise hanno limiti più elevati. Consulta Concorrenza e priorità per i limiti per piano e indicazioni sui test di carico, e lo stimatore di concorrenza per calcolare il limite necessario per il tuo traffico.

Controlli Enterprise

  • Deployment privati eseguono ElevenAgents, Text to Speech e Speech to Text nel tuo account cloud, così testo, audio e trascrizioni rimangono nella tua rete.
  • Residenza dei dati archivia i tuoi dati in ambienti isolati nell’UE, in India o a Singapore anziché nella località predefinita negli Stati Uniti. È una funzionalità Enterprise.
  • Workspace centralizzano fatturazione, risorse condivise, accesso del team e gestione delle chiavi API. I workspace Enterprise aggiungono l’SSO tramite SAML 2.0 o OIDC e gli audit log delle azioni amministrative nello schema OCSF.

Genera il tuo primo audio

Installa l’SDK, imposta la tua chiave API come variabile d’ambiente e converti il testo in un file MP3 con una sola richiesta. Per affidare invece questa configurazione al tuo agente di coding, consulta Configurazione con il tuo agente di coding.

1

Installa l'SDK

pip install elevenlabs python-dotenv
2

Imposta la tua chiave API

Crea una chiave API e aggiungila a un file .env nella directory del tuo progetto:

.env
ELEVENLABS_API_KEY=<your_api_key_here>
3

Genera e salva l'audio

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)

Esegui lo script con python example.py o npx tsx example.mts, quindi apri output.mp3. Per fare lo stesso dal terminale, usa la CLI di ElevenLabs:

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

La guida rapida di ElevenAPI descrive la stessa richiesta più nel dettaglio, inclusa la configurazione della CLI e la riproduzione dell’audio tramite gli altoparlanti.

Cosa posso creare con ElevenAgents?

ElevenAgents combina riconoscimento vocale, un LLM a tua scelta, sintesi vocale e gestione dei turni in un unico agente vocale che configuri nella dashboard o tramite gli SDK.

  • Assistenza clienti: rispondi alle domande usando la tua documentazione collegando una knowledge base all’agente.
  • Linee telefoniche: collega un numero Twilio con l’integrazione nativa per gestire chiamate in entrata e in uscita oppure porta il tuo sistema telefonico esistente tramite trunking SIP.
  • Campagne in uscita: effettua molte chiamate in uscita contemporaneamente con le chiamate batch.
  • Siti web e app: integra un agente che gestisce sia la voce sia il testo con il widget.

La guida rapida di ElevenAgents ti guida nella creazione del tuo primo agente dall’inizio alla fine.

Quale modello dovrei usare?

Inizia dal tuo caso d’uso. Ogni ID modello qui sotto è il valore da passare come model_id nelle richieste API.

Caso d’usoModello consigliatoID modelloPerché
Agenti vocali in tempo realeEleven v4 Turboeleven_v4_turboLatenza mediana di ~100 ms† con la resa in tempo reale più espressiva. eleven_flash_v2_5 ha una latenza mediana simile.
Narrazione espressiva o di lunga durataEleven v4eleven_v4Il modello più espressivo, adatto ad audiolibri e voci fuori campo per personaggi. Fino a 10.000 caratteri (~10 minuti di audio) per richiesta. Per l’output di lunga durata più stabile, usa eleven_multilingual_v2.
Contenuti multilingueEleven v4eleven_v4Oltre 90 lingue con qualità vocale uniforme nei passaggi da una lingua all’altra. eleven_v4_turbo supporta le stesse lingue in tempo reale.
Costo più bassoEleven Flash v2.5eleven_flash_v2_5Prezzo per carattere inferiore del 50% per le generazioni API, 32 lingue e fino a 40.000 caratteri per richiesta.
Speech to Text, batchScribe v3scribe_v3Il nostro modello di trascrizione più accurato, in oltre 90 lingue con timestamp a livello di parola, diarizzazione dei parlanti fino a 32 persone e prompt di termini chiave. Usa scribe_v2_medical per l’audio clinico.
Speech to Text, in tempo realeScribe v3 Livescribe_v3_liveIl nostro modello di trascrizione in tempo reale più accurato, in oltre 90 lingue, con previsione dei turni per confermare le trascrizioni quando il parlante termina.

Consulta Scegliere il modello giusto per altri casi d’uso e il riferimento dei modelli per le specifiche complete.

† Mediana, esclusa la latenza dell’applicazione e della rete. Consulta come viene misurata la latenza.

Esplora per funzionalità

Costruito con