Text to Speech
Overzicht
De Text to Speech (TTS)-API van ElevenLabs zet tekst om in levensechte audio met genuanceerde intonatie, timing en emotioneel bewustzijn. Onze modellen passen zich aan tekstuele aanwijzingen aan in 32 talen en verschillende stemstijlen en kunnen worden gebruikt om:
- Wereldwijde mediacampagnes en advertenties in te spreken
- Luisterboeken in meerdere talen te produceren met complexe emotionele expressie
- Realtime-audio vanuit tekst te streamen
Luister naar een voorbeeld:
Verken onze stembibliotheek om de perfecte stem voor je project te vinden.
Stemkwaliteit
Voor realtime-applicaties bieden Eleven v4 Turbo en Flash v2.5 ultralage latentie, terwijl Multilingual v2 audio van de hoogste kwaliteit levert met meer genuanceerde expressie.
Stemopties
ElevenLabs biedt duizenden stemmen in 32 talen via verschillende methoden om stemmen te maken:
- Stembibliotheek met meer dan 10.000 door de community gedeelde stemmen
- Professioneel stemklonen voor replica’s met de hoogste natuurgetrouwheid
- Direct stemklonen voor snelle stemreplicatie
- Stemontwerp om aangepaste stemmen te genereren vanuit tekstbeschrijvingen
Lees meer over onze stemopties.
Audio-effecten
Audio-effecten bewerken gegenereerde spraak na, zodat deze klinkt alsof die op een specifieke plek is opgenomen, zonder dat je de audio achteraf hoeft te bewerken. Stel een willekeurige combinatie in van:
- Filterpreset: geeft de stem een klankkleur, zoals een telefoonlijn, een oude radio of een robot.
- Afstand: plaatst de spreker verder van de microfoon.
- Omgeving: plaatst de stem in een galmende ruimte, zoals een kleine kamer of een hal.
- Achtergrondgeluid: speelt een omgevingsgeluid in een lus af, zoals een café of tikkende toetsen, onder de stem.
- Pan: positioneert de stem tussen het linker- en rechterkanaal.
Effecten zijn beschikbaar voor de endpoints Text to Speech en Text to Dialogue, inclusief streaming- en timestamped requests, via de parameter audio_effects. Bekijk de beschikbare filterpresets, omgevingen en achtergrondgeluiden in de catalogus met audio-effecten. Agents kunnen ook een stemfilter toepassen; zie Audio-omgeving. Voeg in de app effecten toe vanuit de Text to Speech-playground.
Effecten veranderen de kosten van een request niet.
Galm (een environment_id met een send_level boven 0) en een niet-nulwaarde voor pan produceren stereo-
audio. Requests die deze combineren met de mono-uitvoerformaten pcm_*, ulaw_* of alaw_* worden
afgewezen met een 400-fout.
Ondersteunde uitvoerformaten
Het standaard responseformaat is mp3, maar andere formaten zoals pcm en ulaw zijn beschikbaar.
- MP3
- Samplerates: 22.05kHz - 44.1kHz
- Bitrates: 32kbps - 192kbps
- 22.05kHz @ 32kbps
- 44.1kHz @ 32kbps, 64kbps, 96kbps, 128kbps, 192kbps
- PCM (S16LE)
- Samplerates: 16kHz - 44.1kHz
- Bitrates: 8kHz, 16kHz, 22.05kHz, 24kHz, 44.1kHz, 48kHz
- 16-bitsdiepte
- μ-law
- 8kHz-samplerate
- Geoptimaliseerd voor telefonietoepassingen
- A-law
- 8kHz-samplerate
- Geoptimaliseerd voor telefonietoepassingen
- Opus
- Samplerate: 48kHz
- Bitrates: 32kbps - 192kbps
Audio-opties van hogere kwaliteit zijn alleen beschikbaar in betaalde versies. Bekijk onze pagina met prijzen voor details.
Ondersteunde talen
Onze meertalige v2-modellen ondersteunen 29 talen:
Engels (VS, VK, Australië, Canada), Japans, Chinees, Duits, Hindi, Frans (Frankrijk, Canada), Koreaans, Portugees (Brazilië, Portugal), Italiaans, Spaans (Spanje, Mexico), Indonesisch, Nederlands, Turks, Filipijns, Pools, Zweeds, Bulgaars, Roemeens, Arabisch (Saoedi-Arabië, VAE), Tsjechisch, Grieks, Fins, Kroatisch, Maleis, Slowaaks, Deens, Tamil, Oekraïens & Russisch.
Flash v2.5 ondersteunt 32 talen: alle talen van v2-modellen plus:
Hongaars, Noors & Vietnamees
Voer gewoon tekst in een van onze ondersteunde talen in en selecteer een passende stem uit onze stembibliotheek. Kies voor de natuurlijkste resultaten een stem met een accent dat past bij je doeltaal en regio.
Prompting
De modellen interpreteren de emotionele context rechtstreeks uit de ingevoerde tekst. Beschrijvende tekst toevoegen, zoals “zei ze opgewonden”, of uitroeptekens gebruiken, beïnvloedt bijvoorbeeld de emotie van de spraak. Steminstellingen zoals Stability en Similarity helpen de consistentie te regelen, terwijl de onderliggende emotie voortkomt uit tekstuele aanwijzingen.
Lees de promptinggids voor meer informatie.
Beschrijvende tekst wordt door het model uitgesproken en moet desgewenst handmatig uit de audio worden geknipt of verwijderd.
Veelgestelde vragen
Kan ik mijn eigen stem klonen?
Ja, je kunt directe stemklonen van je eigen stem maken op basis van korte audiofragmenten. Bekijk voor natuurgetrouwe klonen onze functie voor professioneel stemklonen.
Ben ik eigenaar van de audio-output?
Ja. Je behoudt het eigendom van alle audio die je genereert. Commerciële gebruiksrechten zijn echter alleen beschikbaar bij betaalde abonnementen. Met een betaald abonnement mag je gegenereerde audio commercieel gebruiken en inkomsten genereren met de output als je de IP-rechten op de ingevoerde content bezit.
Wanneer kom ik in aanmerking voor een gratis regeneratie?
Met een gratis regeneratie kun je dezelfde Text to Speech-content zonder extra kosten opnieuw genereren, onder de volgende voorwaarden:
- Je kunt elk stuk content maximaal 2 keer gratis regenereren
- De content moet exact hetzelfde zijn als bij de vorige generatie. Voor wijzigingen in de tekst, steminstellingen of andere parameters is een nieuwe, betaalde generatie vereist
Gratis regeneraties zijn nuttig als er een lichte vervorming in de audio-output zit. Volgens interne benchmarks van ElevenLabs lossen regeneraties ongeveer de helft van de kwaliteitsproblemen op; resterende problemen zijn meestal het gevolg van slechte trainingsdata.
Hoe verlaag ik de latentie voor realtime-scenario's?
Gebruik de Flash-modellen met lage latentie (Flash v2 of v2.5), die zijn geoptimaliseerd voor bijna realtime conversationele of interactieve scenario’s. Bekijk onze gids voor latentieoptimalisatie voor meer informatie.
Waarom is mijn output soms inconsistent?
De modellen zijn niet-deterministisch. Gebruik voor consistentie de optionele parameter
seed, al kunnen er nog steeds subtiele
verschillen optreden.
Wat is de beste werkwijze voor grote tekstconversies?
Splits lange tekst op in segmenten en gebruik streaming voor realtime afspelen en efficiënte verwerking. Neem parameters voor vorige/volgende tekst of vorige/volgende request-ID op om een natuurlijke prosodiestroom tussen segmenten te behouden.
Belangrijkste punten
- Determinisme: Output is niet-deterministisch — gebruik de parameter
seedvoor consistentere resultaten - Audio-effecten: Voeg zonder extra kosten een filterpreset, afstand, galm, achtergrondgeluid of panning toe met
audio_effects - Gratis regeneraties: Maximaal 2 gratis regeneraties per generatie (alleen dezelfde content en parameters)
- Eigendom: Je behoudt het eigendom van gegenereerde audio; commercieel gebruik vereist een betaald abonnement
- Use cases met lage latentie: Gebruik Flash-modellen (
eleven_flash_v2ofeleven_flash_v2_5) — zie de gids voor latentieoptimalisatie - Grote teksten: Splits lange tekst op in segmenten; gebruik de parameters
previous_text/next_textom natuurlijke prosodie tussen segmenten te behouden