> This is a page from the ElevenLabs documentation. For a complete page index, fetch https://elevenlabs.io/docs/llms.txt. For the full documentation in a single file, fetch https://elevenlabs.io/docs/llms-full.txt. # Text to Speech- och Text to Dialogue-WebSockets ElevenLabs erbjuder två olika WebSocket-produkter för att streama syntetiserat tal. De löser olika problem, accepterar olika meddelandeformat och är avsedda för olika modeller. ## Vilken WebSocket ska jag använda? Använd **Text to Speech (TTS)-WebSocket** när du streamar vanlig text för **en röst per anslutning** (rösten är fast i URL:en) och vill använda **icke-v3**-modeller som Flash eller Multilingual v2, valfri SSML, delscheman eller varianten **multi-context** för hantering av avbrott i agentstil. Använd **Text to Dialogue (TTD)-WebSocket** när du behöver dialogbeteendet i **Eleven v3**: uttrycksfull leverans, \*\*`voice_id` per del \*\*, turgränser (`new_turn`) och samma dialoginriktade buffring som används för v3 på servern. För **batch- eller HTTP-streaming** av dialog (hela begäran i ett anrop), använd [Create dialogue](/docs/sv/api-reference/text-to-dialogue/convert) eller [Stream dialogue](/docs/sv/api-reference/text-to-dialogue/stream) i stället för en WebSocket. ## Jämförelse | | Text to Speech WebSocket | Text to Dialogue WebSocket | | ----------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | | **API-referens** | [TTS stream-input](/docs/sv/api-reference/text-to-speech/v-1-text-to-speech-voice-id-stream-input) | [TTD WebSocket](/docs/sv/api-reference/text-to-dialogue/ttd-websocket) | | **URL** | `wss://api.elevenlabs.io/v1/text-to-speech/{voice_id}/stream-input` | `wss://api.elevenlabs.io/v1/text-to-dialogue/stream-input` | | **Röstval** | En `voice_id` i sökvägen; all streamad text använder den rösten | Det första meddelandet registrerar en eller flera `voices` efter ID; varje post i `inputs[]` anger en `voice_id` | | **Modeller** | Flash, Multilingual v2 och andra TTS-modeller som stöds. **Ingen** `eleven_v3` eller `eleven_v4` på denna slutpunkt. | **`model_id` måste börja med `eleven_v3` eller `eleven_v4`** (till exempel `eleven_v4` eller `eleven_v4_turbo`) | | **Första klientmeddelandet** | Initiera med ett mellanslag och valfria `voice_settings` / `generation_config` (se guiden för realtids-TTS) | Måste innehålla **`voices`** (och autentiseringsuppgifter om de inte redan skickats via headers eller query) | | **Löpande text** | Skicka en `text`-sträng (vanligtvis med ett avslutande mellanslag); valfria `flush`, `try_trigger_generation` osv. | Skicka **`inputs`**: objekt av typen `{ text, voice_id, new_turn? }`; valfria **`flush`**, **`close_socket`**, **`keep_alive`** | | **Buffring / schemaläggning** | Schema för dellängd och relaterade TTS WebSocket-kontroller | Servern buffrar tills tillräckligt med text finns (ungefär **40 tecken och 8 ord**) innan ljud skickas, om du inte använder **`flush`** | | **Flera talare på en socket** | Använd [multi-context WebSocket](/docs/sv/eleven-api/guides/how-to/websockets/multi-context-web-socket) för flera **parallella TTS-kontexter**, inte dialogsemantik för flera talare | Upp till **10** registrerade röster för `eleven_v4`; **`eleven_v4_turbo` tillåter endast en** registrerad röst | | **Inaktivitet** | Konfigurerbar `inactivity_timeout` (TTS WebSocket-query) | **Fast 20 s** mellan klientmeddelanden om du inte skickar **`keep_alive`** | | **Samtidighet** | Endast aktiv genereringstid räknas mot din plans [samtidighetsgräns](/docs/sv/overview/models#concurrency-and-priority); en inaktiv öppen socket räknas inte | Varje öppen anslutning upptar en [dialogsession](/docs/sv/overview/models#text-to-dialogue-concurrency) från en separat pool under hela sin livstid; generering över anslutningen förbrukar inte standardkapacitet | | **Justering** | Valfri `sync_alignment` (TTS-fältnamn i API-referensen) | Valfri `sync_alignment`; JSON använder **snake\_case**-fält i svaren (till exempel `is_final`, `char_start_times_ms`) | ## När TTS WebSocket passar bättre * Du integrerar redan **Flash** eller **Multilingual v2** för svarstid eller språkstöd. * Du vill ha **en berättarröst** per anslutning och ett enkelt protokoll med text per frame. * Du behöver **multi-context**-orkestrering för avbrott och parallella yttranden ([guide för multi-context](/docs/sv/eleven-api/guides/how-to/websockets/multi-context-web-socket)). Se [Generera ljud i realtid](/docs/sv/eleven-api/guides/how-to/websockets/realtime-tts) för en fullständig genomgång av TTS WebSocket. ## När TTD WebSocket passar bättre * Du använder **Eleven v4**-dialog (uttrycksfulla taggar, samtalstempo, repliker från flera talare). * Du streamar **skriptad eller LLM-genererad dialog** där **talarens röst kan ändras för varje rad** utan att öppna en ny anslutning. * Du vill ha stegvis indata i **WebSocket-format** med dialoggenerering som är **endast för v4** på servern. För en praktisk genomgång använder du [Realtime Text to Dialogue](/docs/sv/eleven-api/guides/how-to/websockets/realtime-tdd). Protokolldetaljer finns i [API-referensen](/docs/sv/api-reference/text-to-dialogue/ttd-websocket). ## Relaterade guider #### [Realtime Text to Dialogue](/docs/sv/eleven-api/guides/how-to/websockets/realtime-tdd) Anslut, registrera röster, streama `inputs` och spara ljud från TTD WebSocket. #### [WebSocket för realtids-TTS](/docs/sv/eleven-api/guides/how-to/websockets/realtime-tts) Steg-för-steg-anslutning och meddelanden för standard-WebSocket för TTS. #### [Multi-context WebSocket](/docs/sv/eleven-api/guides/how-to/websockets/multi-context-web-socket) Flera TTS-kontexter på en anslutning för agent-workflows. #### [Snabbstart för Text to Dialogue](/docs/sv/eleven-api/guides/cookbooks/text-to-dialogue) Exempel på HTTP-begäranden för dialog med flera röster. #### [Text to Dialogue-funktion](/docs/sv/overview/capabilities/text-to-dialogue) Produktinriktad översikt över dialoggenerering.