Dokumentacja ElevenLabs

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

Jak działa ElevenLabs?

ElevenLabs zapewnia infrastrukturę głosową AI: zamianę tekstu na mowę, zamianę mowy na tekst, klonowanie głosu, agentów głosowych i generatywne audio. Możesz korzystać z niej na cztery sposoby, dostosowane do różnych odbiorców.

ElevenCreative to aplikacja webowa bez kodu, w której twórcy, producenci i montażyści generują nałożone głosy, muzykę, dubbing i projekty studyjne bezpośrednio w przeglądarce.

ElevenAgents to platforma do projektowania i obsługi agentów głosowych, z wizualnym kreatorem dla osób nietechnicznych i pełną kontrolą programistyczną dla deweloperów.

ElevenAPI udostępnia każdą funkcję przez interfejs REST z oficjalnymi SDK Python i TypeScript, dzięki czemu deweloperzy mogą dodać głos do własnych aplikacji i workflow.

Reception.ai to gotowa do wdrożenia telefoniczna recepcjonistka AI dla małych i średnich firm, która odbiera połączenia, rezerwuje terminy i zarządza codziennymi działaniami z jednego panelu.

Wybierz swoją ścieżkę

ElevenCreative

Dowiedz się, jak korzystać z platformy ElevenCreative dzięki przewodnikom krok po kroku

ElevenAgents

Dowiedz się, jak tworzyć, uruchamiać i skalować agentów z ElevenLabs

ElevenAPI

Dowiedz się, jak zintegrować API ElevenLabs, korzystając z przykładów i samouczków

Pojęcia

Głosy to persony mowy używane podczas generowania audio. Każdy głos ma unikalny identyfikator — na przykład JBFqnCBsd6RMkjVDRZzb — który wybierasz w panelu lub przekazujesz w żądaniach API. ElevenLabs utrzymuje bibliotekę ponad 10 000 głosów. Możesz też sklonować głos z nagrania audio lub wygenerować go na podstawie opisu tekstowego.

Modele kontrolują jakość, opóźnienie i obsługiwane języki generowanego audio. eleven_v4 zapewnia najbardziej ekspresyjne wyniki w ponad 90 językach. eleven_v4_turbo jest przeznaczony do użycia w czasie rzeczywistym z medianą opóźnienia około 100 ms. Każda funkcja — zamiana mowy na tekst, muzyka, efekty dźwiękowe — ma własny dedykowany model. Zobacz Którego modelu użyć?, aby wybrać odpowiedni.

Jak działa cennik?

Kredyty to wspólna jednostka zużycia dla wszystkich produktów. Zamiana tekstu na mowę kosztuje jeden kredyt za znak tekstu wejściowego. Pozostałe operacje są rozliczane za sekundę przetworzonego audio. Kredyty odnawiają się co miesiąc, a niewykorzystane przechodzą na maksymalnie dwa miesiące. Pełny podział znajdziesz w cenniku.

Aby korzystać z API bez miesięcznej subskrypcji, Pay As You Go pozwala wcześniej doładować saldo, z którego środki są pobierane podczas korzystania z ElevenLabs, po wykorzystaniu kredytów z subskrypcji.

Gotowe do produkcji

Jak szybka jest zamiana tekstu na mowę ElevenLabs?

Eleven v4 Turbo i Eleven Flash v2.5 zwracają pierwsze audio przy medianie opóźnienia ok. 100 ms. Scribe v2 Realtime zwraca zatwierdzone transkrypcje przy medianie opóźnienia ok. 150 ms. Te wartości nie uwzględniają opóźnień aplikacji i sieci, więc czas, po którym użytkownicy usłyszą audio, będzie dłuższy. Jak mierzymy opóźnienie wyjaśnia, co obejmują te wartości, a Optymalizacja opóźnień opisuje, jak skrócić opóźnienie end-to-end.

Jak ElevenLabs radzi sobie ze skalą?

Twój plan określa, ile żądań przetwarzamy jednocześnie. Limit współbieżności nie ogranicza liczby równoczesnych rozmów: orientacyjnie limit 5 zwykle obsługuje około 100 jednoczesnych transmisji audio, zależnie od użytych głosów i zastosowania. Plany Enterprise mają wyższe limity. Zobacz Współbieżność i priorytet, aby poznać limity dla każdego planu i wskazówki dotyczące testów obciążeniowych, oraz kalkulator współbieżności, aby oszacować limit potrzebny dla twojego ruchu.

Kontrole Enterprise

• Wdrożenia prywatne uruchamiają ElevenAgents, Text to Speech i Speech to Text na twoim własnym koncie chmurowym, więc tekst, audio i transkrypcje pozostają w twojej sieci.
• Rezydencja danych przechowuje dane w odizolowanych środowiskach w UE, Indiach lub Singapurze zamiast w domyślnej lokalizacji w USA. To funkcja Enterprise.
• Obszary robocze centralizują rozliczenia, współdzielone zasoby, dostęp zespołu i zarządzanie kluczami API. Obszary robocze Enterprise dodają SSO przez SAML 2.0 lub OIDC oraz dzienniki audytu działań administracyjnych w schemacie OCSF.

Wygeneruj pierwsze audio

Zainstaluj SDK, ustaw klucz API jako zmienną środowiskową i zamień tekst na plik MP3 w jednym żądaniu. Aby zlecić tę konfigurację agentowi programistycznemu, zobacz Konfiguracja z agentem programistycznym.

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

Krótki przewodnik po ElevenAPI omawia to samo żądanie bardziej szczegółowo, w tym konfigurację CLI i odtwarzanie audio przez głośniki.

Co mogę zbudować z ElevenAgents?

ElevenAgents łączy rozpoznawanie mowy, wybrany przez ciebie LLM, zamianę tekstu na mowę i obsługę zmian tur w jednego agenta głosowego, którego konfigurujesz w panelu lub przez SDK.

• Obsługa klienta: odpowiadaj na pytania na podstawie własnej dokumentacji, dodając do agenta bazę wiedzy.
• Linie telefoniczne: połącz numer Twilio przez natywną integrację, aby obsługiwać połączenia przychodzące i wychodzące, lub podłącz obecny system telefoniczny przez SIP trunking.
• Kampanie wychodzące: wykonuj wiele połączeń wychodzących naraz dzięki połączeniom wsadowym.
• Strony i aplikacje: umieść agenta obsługującego głos i tekst za pomocą widgetu.

Krótki przewodnik po ElevenAgents pozwoli stworzyć pierwszego agenta end-to-end.

Którego modelu użyć?

Zacznij od zastosowania. Każdy identyfikator modelu poniżej to wartość przekazywana jako model_id w żądaniach API.

Zobacz Wybór odpowiedniego modelu, aby poznać więcej zastosowań, oraz dokumentację modeli, aby sprawdzić pełną specyfikację.

Przeglądaj według funkcji