탐색으로 건너뛰기

ElevenLabs 문서

ElevenLabs 통합을 위한 문서와 가이드 살펴보기

코딩 에이전트로 시작하세요. 사전에 계정이나 API 키가 필요하지 않습니다.

다음을 Claude Code, Cursor 또는 Codex에 붙여 넣으세요. 로그인하거나 계정을 생성하고, 키를 만든 뒤 프로젝트에 SDK를 추가합니다.

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

작동 방식 보기 또는 onboard 명령의 소스를 확인해 에이전트에 정확히 무엇을 전달하는지 알아보세요.

ElevenLabs는 어떻게 작동하나요?

ElevenLabs는 텍스트 음성 변환, 음성-텍스트 변환, 음성 복제, 음성 에이전트, 생성형 오디오를 위한 AI 음성 인프라를 제공합니다. 서로 다른 사용자를 위한 4가지 방식으로 사용할 수 있습니다.

ElevenCreative 는 크리에이터, 프로듀서, 편집자가 브라우저에서 직접 보이스오버, 음악, 더빙, 스튜디오 프로젝트를 생성할 수 있는 노코드 웹 애플리케이션입니다.

ElevenAgents 는 비기술 사용자를 위한 시각적 빌더와 개발자를 위한 완전한 프로그래밍 방식 제어 기능을 제공하는 음성 에이전트 설계 및 운영 플랫폼입니다.

ElevenAPI 는 모든 기능을 공식 Python 및 TypeScript SDK가 포함된 REST 인터페이스로 제공하므로, 개발자는 자체 애플리케이션과 workflow에 음성을 통합할 수 있습니다.

Reception.ai 는 전화를 받고, 예약을 잡고, 단일 대시보드에서 일상 운영을 관리하는 중소기업용 즉시 배포 가능한 AI 전화 접수원입니다.

경로 선택

핵심 개념

음성은 오디오 생성에 사용되는 음성 페르소나입니다. 각 음성에는 고유 ID가 있으며(예: JBFqnCBsd6RMkjVDRZzb), 대시보드에서 선택하거나 API 요청에 전달할 수 있습니다. ElevenLabs는 10,000개 이상의 음성 라이브러리를 유지합니다. 오디오 녹음에서 음성을 복제하거나 텍스트 설명으로 음성을 생성할 수도 있습니다.

모델은 생성된 오디오의 품질, 지연 시간, 언어 지원 범위를 제어합니다. eleven_v4는 90개 이상의 언어에서 가장 풍부한 표현의 결과를 생성합니다. eleven_v4_turbo는 약 100ms의 중앙값 지연 시간으로 실시간 사용을 목표로 합니다. 음성-텍스트 변환, 음악, 음향 효과 등 각 기능에는 전용 모델이 있습니다. 선택하려면 어떤 모델을 사용해야 하나요?를 참조하세요.

가격은 어떻게 책정되나요?

크레딧은 모든 제품에서 공통으로 사용하는 소비 단위입니다. 텍스트 음성 변환은 입력 텍스트 글자당 크레딧 1개가 소모됩니다. 다른 작업은 처리된 오디오 초당 요금이 부과됩니다. 크레딧은 매월 초기화되며, 사용하지 않은 크레딧은 최대 2개월간 이월됩니다. 자세한 내용은 가격을 참조하세요.

월간 구독 없이 API를 사용하려면 종량제를 통해 잔액을 미리 충전할 수 있으며, 구독 크레딧을 모두 사용한 후 ElevenLabs 사용량에 따라 잔액이 차감됩니다.

프로덕션 환경을 위한 설계

ElevenLabs 텍스트 음성 변환은 얼마나 빠른가요?

Eleven v4 Turbo와 Eleven Flash v2.5는 모두 약 100ms의 중앙값 지연 시간으로 첫 번째 오디오를 반환합니다. Scribe v2 Realtime은 약 150ms의 중앙값 지연 시간으로 확정된 트랜스크립트를 반환합니다. 이 수치에는 애플리케이션 및 네트워크 지연 시간이 제외되어 있으므로, 사용자가 오디오를 듣기까지 걸리는 시간은 더 깁니다. 지연 시간 측정 방식에서 수치에 포함되는 항목을 설명하며, 지연 시간 최적화에서 엔드투엔드 지연 시간을 줄이는 방법을 다룹니다.

ElevenLabs는 규모 확장을 어떻게 처리하나요?

플랜에 따라 동시에 처리되는 요청 수가 정해집니다. 동시성 한도는 동시 대화 수의 상한이 아닙니다. 일반적으로 한도 5는 사용 음성과 사용 사례에 따라 약 100개의 동시 오디오 방송을 지원할 수 있습니다. 엔터프라이즈 플랜은 더 높은 한도를 제공합니다. 플랜별 한도와 부하 테스트 가이드는 동시성 및 우선순위를, 트래픽에 필요한 한도를 추정하려면 동시성 추정기를 참조하세요.

엔터프라이즈 제어 기능

  • 프라이빗 배포 는 자체 클라우드 계정 내에서 ElevenAgents, 텍스트 음성 변환 및 음성 텍스트 변환을 실행하므로, 텍스트, 오디오 및 트랜스크립트가 네트워크 내에 유지됩니다.
  • 데이터 레지던시 는 기본 미국 위치 대신 EU, 인도 또는 싱가포르의 격리된 환경에 데이터를 저장합니다. 엔터프라이즈 기능입니다.
  • 워크스페이스 는 청구, 공유 리소스, 팀 액세스 및 API 키 관리를 중앙화합니다. 엔터프라이즈 워크스페이스는 SAML 2.0 또는 OIDC 기반 SSO와 OCSF 스키마의 관리 작업 감사 로그를 추가로 제공합니다.

첫 오디오 생성하기

SDK를 설치하고 API 키를 환경 변수로 설정한 다음, 단일 요청으로 텍스트를 MP3 파일로 변환하세요. 대신 코딩 에이전트로 이 설정을 진행하려면 코딩 에이전트로 설정하기를 참조하세요.

1

SDK 설치

pip install elevenlabs python-dotenv
2

API 키 설정

API 키 생성 후 프로젝트 디렉터리의 .env 파일에 추가하세요.

.env
ELEVENLABS_API_KEY=<your_api_key_here>
3

오디오 생성 및 저장

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)

python example.py 또는 npx tsx example.mts로 스크립트를 실행한 다음 output.mp3를 여세요. 터미널에서 같은 작업을 하려면 ElevenLabs CLI를 사용하세요.

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

ElevenAPI 빠른 시작에서는 CLI 설정 및 스피커를 통한 오디오 재생을 포함해 동일한 요청을 더 자세히 다룹니다.

ElevenAgents로 무엇을 만들 수 있나요?

ElevenAgents는 음성 인식, 원하는 LLM, 텍스트 음성 변환 및 턴 전환 기능을 하나의 음성 에이전트로 결합하며, 대시보드 또는 SDK를 통해 구성할 수 있습니다.

  • 고객 지원: 지식 베이스를 에이전트에 연결하여 자체 문서의 질문에 답변합니다.
  • 전화 회선: 네이티브 통합으로 Twilio 번호를 연결해 수신 및 발신 전화를 처리하거나, SIP 트렁킹으로 기존 전화 시스템을 연결합니다.
  • 아웃바운드 캠페인: 배치 통화로 한 번에 여러 발신 전화를 걸 수 있습니다.
  • 웹사이트 및 앱: 위젯으로 음성과 텍스트를 모두 처리하는 에이전트를 삽입합니다.

ElevenAgents 빠른 시작에서 첫 번째 에이전트를 처음부터 끝까지 만들어 봅니다.

어떤 모델을 사용해야 하나요?

사용 사례부터 시작하세요. 아래의 각 모델 ID는 API 요청에서 model_id로 전달할 값입니다.

사용 사례권장 모델모델 ID이유
실시간 음성 에이전트Eleven v4 Turboeleven_v4_turbo가장 표현력 있는 실시간 음성 전달과 함께 약 100ms†의 중앙값 지연 시간을 제공합니다. eleven_flash_v2_5도 유사한 중앙값 지연 시간을 제공합니다.
표현력 있는 또는 장문 내레이션Eleven v4eleven_v4가장 표현력 있는 모델로, 오디오북과 캐릭터 보이스오버에 적합합니다. 요청당 최대 10,000자(약 10분 분량의 오디오)를 지원합니다. 가장 안정적인 장문 출력을 위해서는 eleven_multilingual_v2를 사용하세요.
다국어 콘텐츠Eleven v4eleven_v4언어 전환 시에도 일관된 음성 품질로 90개 이상의 언어를 지원합니다. eleven_v4_turbo는 동일한 언어를 실시간으로 지원합니다.
최저 비용Eleven Flash v2.5eleven_flash_v2_5API 생성 시 문자당 가격이 50% 낮고, 32개 언어와 요청당 최대 40,000자를 지원합니다.
음성 텍스트 변환, 배치Scribe v3scribe_v390개 이상의 언어에서 단어 수준 타임스탬프, 최대 32명 화자의 화자 분리 및 키워드 프롬프팅을 제공하는 가장 정확한 트랜스크립션 모델입니다. 임상 오디오에는 scribe_v2_medical을 사용하세요.
음성 텍스트 변환, 실시간Scribe v3 Livescribe_v3_live화자가 말을 마칠 때 트랜스크립트를 확정하는 턴 예측 기능을 갖춘, 90개 이상의 언어 지원 가장 정확한 실시간 트랜스크립션 모델입니다.

더 많은 사용 사례는 적합한 모델 선택하기를, 전체 사양은 모델 레퍼런스를 참조하세요.

† 애플리케이션 및 네트워크 지연 시간을 제외한 중앙값입니다. 지연 시간 측정 방식을 참조하세요.

기능별 둘러보기

구축됨