Hoppa till navigering

Sammanfogning av flera förfrågningar

Den här guiden visar hur du bibehåller röstprosodi över flera textstycken/genereringar.

Guide · Förutsätter att du har slutfört snabbstarten för ElevenAPI .

När du omvandlar en stor mängd text till ljud kan du märka abrupta förändringar i prosodin mellan olika stycken. Detta kan vara särskilt märkbart när du omvandlar text som omfattar flera stycken eller avsnitt. För att bibehålla röstprosodin över flera stycken kan du använda funktionen Request Stitching.

Med den här funktionen kan du ange kontext om vad som redan har genererats och vad som kommer att genereras, vilket hjälper till att bibehålla en konsekvent röst och prosodi genom hela texten.

Request Stitching är inte tillgängligt för modellen eleven_v3.

Här är ett exempel utan Request Stitching:

Och samma exempel med Request Stitching:

Så använder du Request Stitching

Request Stitching är enklast att använda med ElevenLabs SDK:er.

Den här guiden förutsätter att du har konfigurerat din API-nyckel och SDK. Slutför snabbstarten först om du inte redan har gjort det.

1

Sammanfoga flera förfrågningar

Skapa en ny fil med namnet example.py eller example.mts, beroende på vilket språk du använder, och lägg till följande kod:

Du kan som mest ange 3 förfrågnings-ID:n i previous_request_ids. Förfrågningar med fler returnerar ett 400-fel. Skicka de 3 senaste ID:na, där förfrågningen närmast den aktuella anges sist.

import os
from io import BytesIO
from elevenlabs.client import ElevenLabs
from elevenlabs.play import play
from dotenv import load_dotenv
load_dotenv()
ELEVENLABS_API_KEY = os.getenv("ELEVENLABS_API_KEY")
elevenlabs = ElevenLabs(
api_key=ELEVENLABS_API_KEY,
)
paragraphs = [
"The advent of technology has transformed countless sectors, with education ",
"standing out as one of the most significantly impacted fields.",
"In recent years, educational technology, or EdTech, has revolutionized the way ",
"teachers deliver instruction and students absorb information.",
"From interactive whiteboards to individual tablets loaded with educational software, ",
"technology has opened up new avenues for learning that were previously unimaginable.",
"One of the primary benefits of technology in education is the accessibility it provides.",
]
request_ids = []
audio_buffers = []
for paragraph in paragraphs:
# Usually we get back a stream from the convert function, but with_raw_response is
# used to get the headers from the response
with elevenlabs.text_to_speech.with_raw_response.convert(
text=paragraph,
voice_id="T7QGPtToiqH4S8VlIkMJ",
model_id="eleven_v4",
# The API accepts at most 3 previous request IDs
previous_request_ids=request_ids[-3:]
) as response:
request_ids.append(response._response.headers.get("request-id"))
# response._response.headers also contains useful information like 'character-cost',
# which shows the cost of the generation in characters.
audio_data = b''.join(chunk for chunk in response.data)
audio_buffers.append(BytesIO(audio_data))
combined_stream = BytesIO(b''.join(buffer.getvalue() for buffer in audio_buffers))
play(combined_stream)
2

Kör koden

python example.py

Du bör höra det sammanfogade ljudet spelas upp.

Vanliga frågor

För att kunna använda förfrågnings-ID:n från en tidigare förfrågan för styrning måste den ha bearbetats klart helt. Vid streaming innebär det att ljudet måste läsas klart från svarstexten.

Skillnaden beror på vilken modell, röst och vilka röstinställningar som används.

Förfrågnings-ID:n bör inte vara äldre än två timmar.

Ja, om du inte är en företagskund med ökade sekretesskrav.

Nästa steg