ElevenLabs 文档

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

ElevenLabs 如何运作？

ElevenLabs 提供 AI 语音基础设施：文本转语音、语音转文本、语音克隆、语音智能体和生成式音频。可通过 4 种方式使用，分别适合不同用户。

ElevenCreative 是一款无需编程的 Web 应用，创作者、制作人和编辑可直接在浏览器中生成旁白配音、音乐、配音和工作室项目。

ElevenAgents 是用于设计和运营语音智能体的平台，既为非技术用户提供可视化构建器，也为开发者提供完整的编程控制能力。

ElevenAPI 通过 REST 接口提供所有功能，并配备官方 Python 和 TypeScript SDK，开发者可将语音嵌入自己的应用和 workflow。

Reception.ai 是一款可直接部署的 AI 电话接待员，面向中小企业，可通过一个控制台接听电话、预约并管理日常运营。

选择路径

ElevenCreative

通过分步指南了解如何使用 ElevenCreative 平台

ElevenAgents

了解如何使用 ElevenLabs 构建、发布和扩展智能体

ElevenAPI

通过示例和教程了解如何集成 ElevenLabs API

概念

音色是音频生成中使用的语音角色。每个音色都有唯一 ID，例如 JBFqnCBsd6RMkjVDRZzb，可在控制台中选择或在 API 请求中传入。ElevenLabs 维护着一个包含 10,000 多种音色的库。还可以根据录音克隆音色，或通过文本描述生成音色。

模型决定生成音频的质量、延迟和语言覆盖范围。eleven_v4 可在 90 多种语言中生成最具表现力的输出。eleven_v4_turbo 面向实时使用场景，中位延迟约为 100ms。每项功能（语音转文本、音乐、音效）都有专属模型。请参阅该用哪个模型？进行选择。

定价如何计算？

积分是所有产品共用的用量单位。文本转语音每输入 1 个字符消耗 1 积分。其他操作按处理的音频秒数计费。积分每月重置，未使用的积分最多可结转 2 个月。完整说明请参阅定价。

如需在不订阅月度套餐的情况下使用 API，按量付费可让你预充值余额。在订阅积分用完后，使用 ElevenLabs 时将从该余额中扣除。

为生产环境打造

ElevenLabs 文本转语音有多快？

Eleven v4 Turbo 和 Eleven Flash v2.5 的首段音频中位延迟均约为 100ms。Scribe v2 Realtime 返回已确认转录文本的中位延迟约为 150ms。这些数据不包括应用和网络延迟，因此用户实际听到音频所需的时间会更长。延迟测量方法说明了这些数据的涵盖范围，延迟优化则介绍如何降低端到端延迟。

ElevenLabs 如何应对规模化需求？

套餐决定可同时处理的请求数量。并发限制并非同时进行的对话数量上限：一般来说，限制为 5 通常可支持约 100 场同时进行的音频播放，具体取决于所用音色和使用场景。企业版套餐提供更高限制。请查看并发和优先级，了解各套餐的限制及负载测试指南；也可使用并发估算器估算流量所需的限制。

企业控制功能

• 私有部署 可在自己的云账户中运行 ElevenAgents、文本转语音和语音转文本，因此文本、音频和转录文本均保留在网络内。
• 数据驻留 将数据存储在欧盟、印度或新加坡的隔离环境中，而非默认的美国位置。这是企业版功能。
• 工作区 集中管理账单、共享资源、团队访问权限和 API 密钥。企业版工作区还通过 SAML 2.0 或 OIDC 提供 SSO，并以 OCSF 架构记录管理操作的审计日志。

生成第一段音频

安装 SDK，将 API 密钥设为环境变量，即可通过一次请求将文本转换为 MP3 文件。如果想让编码智能体完成此设置，请参阅使用编码智能体设置。

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

ElevenAPI 快速入门更详细地介绍了相同请求，包括 CLI 设置及通过扬声器播放音频。

可以使用 ElevenAgents 构建什么？

ElevenAgents 将语音识别、你选择的 LLM、文本转语音和轮次管理整合为一个语音智能体，可在控制台或通过 SDK 配置。

• 客户支持：为智能体添加知识库，根据自己的文档回答问题。
• 电话线路：通过原生集成连接 Twilio 号码，处理呼入和呼出电话；也可通过 SIP 中继接入现有电话系统。
• 外呼活动：使用批量呼叫同时拨打多通外呼电话。
• 网站和应用：通过小组件嵌入可处理语音和文本的智能体。

ElevenAgents 快速入门将带你端到端构建第一个智能体。

应该使用哪个模型？

从使用场景入手。下方每个模型 ID 都是 API 请求中传入 model_id 的值。

更多使用场景请参阅选择合适的模型，完整规格请参阅模型参考。

按功能浏览