ElevenLabs-dokumentation

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

Hur fungerar ElevenLabs?

ElevenLabs erbjuder infrastruktur för AI-röster: text-till-tal, tal-till-text, röstkloning, röstassistenter och generativt ljud. Du kan använda det på fyra sätt, anpassade för olika målgrupper.

ElevenCreative är en webbapplikation utan kod där kreatörer, producenter och redaktörer skapar voice-overs, musik, dubbningar och studioprojekt direkt i webbläsaren.

ElevenAgents är plattformen för att utforma och driva röstassistenter, med en visuell byggare för icke-tekniska användare och full programmatisk kontroll för utvecklare.

ElevenAPI ger åtkomst till alla funktioner via ett REST-gränssnitt med officiella SDK:er för Python och TypeScript, så att utvecklare kan integrera röst i sina egna applikationer och workflows.

Reception.ai är en AI-telefonreceptionist redo att driftsättas för små och medelstora företag. Den svarar på samtal, bokar tider och hanterar den dagliga verksamheten från en enda instrumentpanel.

Välj din väg

ElevenCreative

Lär dig använda ElevenCreative-plattformen med steg-för-steg-guider

ElevenAgents

Lär dig bygga, lansera och skala agenter med ElevenLabs

ElevenAPI

Lär dig integrera med ElevenLabs API med exempel och handledningar

Koncept

Röster är den röstpersona som används vid ljudgenerering. Varje röst har ett unikt ID — till exempel JBFqnCBsd6RMkjVDRZzb — som du väljer på instrumentpanelen eller skickar med i API-förfrågningar. ElevenLabs har ett bibliotek med över 10 000 röster. Du kan även klona en röst från en ljudinspelning eller generera en från en textbeskrivning.

Modeller styr kvaliteten, latensen och språktäckningen för genererat ljud. eleven_v4 ger det mest uttrycksfulla resultatet på över 90 språk. eleven_v4_turbo är avsedd för användning i realtid med en medianlatens på cirka 100 ms. Varje funktion — tal-till-text, musik, ljudeffekter — har sin egen dedikerade modell. Se Vilken modell ska jag använda? för att välja en.

Hur fungerar prissättningen?

Krediter är förbrukningsenheten som delas mellan alla produkter. Text-till-tal kostar en kredit per tecken i inmatningstexten. Andra åtgärder debiteras per sekund bearbetat ljud. Krediter återställs varje månad och oanvända krediter rullas över i upp till två månader. Se prissättning för en fullständig översikt.

För att använda API:et utan en månadsprenumeration kan du med Pay As You Go förbetala ett saldo som används när du använder ElevenLabs, efter att eventuella prenumerationskrediter har använts.

Byggd för produktion

Hur snabb är ElevenLabs text to speech?

Eleven v4 Turbo och Eleven Flash v2.5 returnerar båda det första ljudet med en medianlatens på ~100 ms. Scribe v2 Realtime returnerar bekräftade transkriberingar med en medianlatens på ~150 ms. Dessa siffror inkluderar inte program- och nätverkslatens, så tiden tills dina användare hör ljud är längre. Så mäts latens förklarar vad siffrorna omfattar, och Latensoptimering beskriver hur du minskar end-to-end-latensen.

Hur hanterar ElevenLabs skalning?

Din plan avgör hur många förfrågningar som behandlas samtidigt. En samtidighetsgräns är inte ett tak för samtidiga konversationer: som tumregel kan en gräns på 5 vanligtvis stödja omkring 100 samtidiga ljudsändningar, beroende på vilka röster som används och användningsfallet. Enterprise-planer har högre gränser. Se Samtidighet och prioritet för gränser per plan och vägledning för belastningstestning, samt samtidighetskalkylatorn för att uppskatta gränsen din trafik behöver.

Enterprise-kontroller

• Privata driftsättningar kör ElevenAgents, Text to Speech och Speech to Text i ditt eget molnkonto, så att text, ljud och transkriberingar stannar i ditt nätverk.
• Dataresidens lagrar dina data i isolerade miljöer i EU, Indien eller Singapore i stället för på standardplatsen i USA. Det är en Enterprise-funktion.
• Arbetsytor samlar fakturering, delade resurser, teamåtkomst och hantering av API-nycklar. Enterprise-arbetsytor lägger till SSO via SAML 2.0 eller OIDC samt revisionsloggar över administrativa åtgärder i OCSF-schemat.

Generera ditt första ljud

Installera SDK:t, ange din API-nyckel som en miljövariabel och konvertera text till en MP3-fil med en enda förfrågan. Om du i stället vill att din kodagent ska göra konfigurationen, se Konfigurera med din kodagent.

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

Snabbstartsguiden för ElevenAPI beskriver samma förfrågan mer detaljerat, inklusive CLI-konfiguration och uppspelning av ljud via dina högtalare.

Vad kan jag bygga med ElevenAgents?

ElevenAgents kombinerar taligenkänning, en LLM som du väljer, text to speech och turordning i en enda röstagent som du konfigurerar i kontrollpanelen eller via SDK:erna.

• Kundsupport: besvara frågor utifrån din egen dokumentation genom att koppla en kunskapsbas till agenten.
• Telefonlinjer: anslut ett Twilio-nummer med den inbyggda integrationen för att hantera inkommande och utgående samtal, eller anslut ditt befintliga telefonsystem via SIP-trunking.
• Utgående kampanjer: ring många utgående samtal samtidigt med batchsamtal.
• Webbplatser och appar: bädda in en agent som hanterar både röst och text med widgeten.

Snabbstartsguiden för ElevenAgents visar hur du bygger en första agent från början till slut.

Vilken modell ska jag använda?

Utgå från ditt användningsfall. Varje modell-ID nedan är värdet som ska skickas som model_id i API-förfrågningar.

Se Välja rätt modell för fler användningsfall och modellreferensen för fullständiga specifikationer.

Bläddra efter funktion