> 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.

# Speech Engine

## Översikt

ElevenLabs Speech Engine lägger till röstfunktioner i alla chattagenter. ElevenLabs hanterar tal-till-text och text-till-tal medan din server tillhandahåller LLM-logiken. SDK:n hanterar anslutningens livscykel, turtagning och avbrottsdetektering så att du kan fokusera på din agents beteende.

#### [Snabbstart](/docs/sv/eleven-api/guides/cookbooks/speech-engine)

Bygg en röstagent med ElevenLabs SDK.

#### [Referens för JavaScript SDK](/docs/sv/eleven-api/resources/libraries/speech-engine/javascript-sdk-reference)

Klasser, metoder och händelser för JavaScript SDK.

#### [Referens för Python SDK](/docs/sv/eleven-api/resources/libraries/speech-engine/python-sdk-reference)

Klasser, metoder och händelser för Python SDK.

## Så fungerar det

Speech Engine ansluter din server till ElevenLabs via WebSocket. Varje anslutning representerar en konversation.

```mermaid
sequenceDiagram
    participant Browser
    participant ElevenLabs

    box Your Server
        participant SDK as Speech Engine SDK
        participant LLM
    end

    Browser->>ElevenLabs: User speaks (audio)
    ElevenLabs->>SDK: Transcript (WebSocket)
    SDK->>LLM: Conversation history
    LLM->>SDK: Streamed response
    SDK->>ElevenLabs: Text chunks
    ElevenLabs->>Browser: Agent speaks (audio)
```

1. En användare pratar i webbläsaren. ElevenLabs fångar upp ljudet och transkriberar det.
2. Transkriptionen skickas till din server tillsammans med hela konversationshistoriken.
3. Din server skickar transkriptionen till din LLM och strömmar tillbaka svaret.
4. ElevenLabs omvandlar texten till tal och spelar upp den i webbläsaren.

## När du ska använda Speech Engine

Speech Engine är utformat för utvecklare som vill använda sin egen LLM och styra konversationslogiken på sin egen server. Använd det när du behöver:

* Lägga till röst i en befintlig textbaserad chattagent
* Använda en specifik LLM, finjusterad modell eller anpassad inferenspipeline
* Ha full kontroll över konversationsdirigering, kontexthantering och verktygsanrop
* Integrera röst i en befintlig serverapplikation (Express, FastAPI osv.)

Om du vill ha en helt driftad lösning där ElevenLabs tillhandahåller LLM, kunskapsbas och verktyg kan du använda [ElevenAgents](/docs/sv/eleven-agents/overview) i stället.

## Viktiga funktioner

* **Alla LLM:er** - använd OpenAI, Anthropic, Google Gemini eller valfri modell som producerar text. SDK:n extraherar automatiskt text från strömformaten för OpenAI, Anthropic och Gemini.
* **Avbrottshantering** - när användaren pratar mitt i ett svar avbryter SDK:n automatiskt den pågående LLM-begäran via en `AbortSignal` (TypeScript) eller uppgiftsavbrott (Python).
* **Strömning** - svar strömmas till webbläsaren medan de genereras. Skicka en sträng, en asynkron itererbar eller ett objekt för en inbyggd LLM-ström.
* **Turtagning** - SDK:n hanterar konversationsturer, så din server behöver bara svara på transkriptioner.

## Konversationens längd

Speech Engine har stöd för konversationer på upp till 40 minuter (2 400 sekunder). Som standard avslutas en
konversation efter 600 sekunder (10 minuter). Om du vill tillåta längre konversationer höjer du
`conversation.max_duration_seconds` i API:t eller **Maximal konversationslängd** på instrumentpanelens
flik **Avancerat**. Se
[Konfigurera maximal konversationslängd](/docs/sv/eleven-api/guides/cookbooks/speech-engine#configuring-the-maximum-conversation-duration).
Om du behöver konversationer som är längre än 40 minuter kan du [kontakta vårt team](https://elevenlabs.io/contact-sales).

## IP-tillåtelselista

Om din server finns bakom en brandvägg eller använder IP-baserade åtkomstkontroller kan du tillåtslista de statiska utgående IP-adresser som ElevenLabs WebSocket-anslutningar kommer från. Se [IP-tillåtelselista](/docs/sv/eleven-api/resources/ip-allowlisting) för den fullständiga listan över IP-adresser.

> **Tip**
>
> Med en IP-tillåtelselista säkerställer du att din server bara accepterar WebSocket-anslutningar från ElevenLabs
> system.

## Vanliga frågor

#### Vilka LLM:er stöds?

Alla LLM:er som producerar text. SDK:n har inbyggd strömextrahering för OpenAI (Responses API och
Chat Completions API), Anthropic Messages API och Google Gemini API. För andra leverantörer skickar du
en vanlig sträng eller en asynkron itererbar med strängsegment.

#### Vad är skillnaden mellan Speech Engine och ElevenAgents?

ElevenAgents är en helt driftad plattform där ElevenLabs tillhandahåller LLM, kunskapsbas och
verktyg. Speech Engine är för utvecklare som vill använda sin egen LLM och styra
konversationslogiken på sin egen server.

#### Vilka serverramverk stöds?

I TypeScript kan du ansluta Speech Engine till vilken Node.js HTTP-server som helst (Express, Fastify eller
vanlig `http.createServer()`), eller köra en fristående WebSocket-server. I Python tillhandahåller SDK:n
en fristående server via `engine.serve()`, eller så kan du integrera med FastAPI, Starlette eller valfritt
ASGI-ramverk med `engine.create_session()`.