Så integrerar du Text to Speech i dina applikationer

För att integrera Text to Speech i dina applikationer skapar du en API-nyckel, installerar ElevenLabs SDK, skickar texten till TTS-slutpunkten med en röst och en modell och spelar upp ljudet du får tillbaka.

Den här guiden går igenom varje steg i Python och TypeScript, visar hur du väljer den bästa TTS-integreringsmetoden för dig och beskriver lösningar på vanliga misstag.

Vad är ett Text to Speech-API?

Ett Text to Speech-API gör det möjligt för utvecklare att programmässigt omvandla skriven text till naturligt ljudande ljud, utan att behöva drifta en egen TTS-modell. Efter att ha integrerat ett TTS-API i en applikation behöver utvecklare bara skicka en begäran till API:et och ta emot ljudet, vilket enkelt lägger till ett röstlager i applikationer.

De bästa Text to Speech-API:erna, som det från ElevenAPI, ger detaljerad kontroll över hur det slutliga ljudet låter, från valet av röst som läser upp ett textsegment till känslan den förmedlar. Beroende på användningsfallet för din applikation kan du också välja mellan batch- och strömningsalternativ för bearbetning när du skapar dina ljudklipp.

Så fungerar en begäran till ett Text to Speech-API

När du anropar ett TTS-API sker några steg i bakgrunden för att leverera ditt ljud.

Så här fungerar en begäran till ett Text to Speech-API:

1. Din applikation skickar texten till Text to Speech-slutpunkten tillsammans med rösten och modellen du har valt.
2. API:et genererar talet och returnerar ljud i det utdataformat du begärde, till exempel MP3.
3. Din applikation spelar upp ljudet eller sparar det som en fil.

En sak till: om din applikation körs i en webbläsare bör du skicka begäran via din egen server, så att din API-nyckel aldrig visas i klientkod.

Checklista: det här behöver du innan du börjar integrera TTS i dina applikationer

Innan du integrerar Text to Speech i dina applikationer behöver du först se till att du har följande:

• Ett ElevenLabs-konto. Du kan registrera dig på några minuter.
• En terminal och en kodeditor.
• Python 3 eller Node.js installerat på datorn du arbetar från.
• Ett sätt att spela upp ljudet du tar emot.

När du har allt detta på plats är du redo att bygga in TTS i din app.

Så integrerar du Text to Speech i din applikation

Med ElevenAPI bör det bara ta några minuter att integrera ett TTS-API i din applikation. Om du redan har registrerat ett konto kan du gå direkt till stegen nedan. Om inte, kom ihåg att registrera dig för att komma igång.

Stegen är följande:

1. Skapa en API-nyckel
2. Installera SDK:t
3. Gör din första begäran
4. Kör den

Vi går igenom dem mer i detalj.

Skapa en API-nyckel

Hämta en API-nyckel från ElevenLabs API-dashboard. När du har klickat på ”Create Key” kan du konfigurera vilken typ av API du vill ställa in. För det här användningsfallet ska du se till att TTS är aktiverat med ”Access”.

Kopiera API-nyckeln och klistra in den som en miljövariabel i .env (eller direkt i appens konfiguration, beroende på dess arkitektur). Att lagra den i din .env-fil är ett effektivt sätt att hålla nyckeln hemlig samtidigt som skriptet kan läsa in den vid körning.

ELEVENLABS_API_KEY=<your_api_key_here>

Vill du hellre låta din kodagent sköta konfigurationen? Klistra in detta i agenten: npx -y @elevenlabs/cli@latest onboard init. ElevenLabs CLI öppnar webbläsaren så att du kan logga in, sparar nyckeln i projektets env-fil och vägleder agenten genom de återstående stegen. Det krävs Node.js för npx. Se snabbstartsguiden för mer information.

Installera SDK:t

Det finns två huvudsakliga paket som du behöver installera när du konfigurerar ett Text to Speech-API. Det första är ElevenLabs SDK, som hanterar API-anropet åt dig. Det andra är dotenv, som läser in din API-nyckel från .env-filen som du konfigurerade i steg 1.

Om du arbetar i CLI:t kan du läsa vår TTS API-dokumentation, där du hittar mer specifika instruktioner och alternativ du kan använda.

Så här installerar du SDK:t och dotenv för ditt TTS-API med både Python och TypeScript.

Python

pip install elevenlabs
pip install python-dotenv

TypeScript

npm install @elevenlabs/elevenlabs-js
npm install dotenv

Gör din första begäran

Skapa sedan klienten. Klienten är ett objekt som omsluter ElevenAPI. Skapa antingen en .py- eller .mts-fil, beroende på vilket programmeringsspråk du skriver i.

Det finns fyra huvudsakliga värden som påverkar resultatet:

• Röst-ID: ElevenLabs har fler än 17 500 röster i vårt Voice Library att välja bland. Välj en röst som bäst representerar din applikation eller matcha rösten med användningsfallet. I snabbstartskodblocken nedan använder vi ”George”, som har röst-ID:t ”JBFqnCBsd6RMkjVDRZzb”
• Text: Textsträngen som du vill att ElevenAPI:s TTS-modell ska omvandla till en ljudfil.
• Modell-ID: Den specifika modell du väljer för att generera ljud. I exemplet nedan använder vi eleven_v4, men du kan också välja någon av våra Text to Speech-modeller om någon av dem passar ditt användningsfall bättre. Du kan till exempel välja Eleven Flash v2.5 (eleven_flash_v2_5 i fältet för modell-ID) för dess låga latens.
• Utdataformat: Ange vilken ljudkodning du vill få tillbaka från TTS-API:et. Som standard får du en mp3-fil, men du kan byta till format som ulaw eller pcm.

Så här ser dessa TTS API-filer ut i Python och TypeScript. Båda exemplen nedan använder modellen eleven_v4.

Python

from dotenv import load_dotenv
from elevenlabs.client import ElevenLabs
from elevenlabs.play import play
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",
)

play(audio)

TypeScript

import { ElevenLabsClient, play } from "@elevenlabs/elevenlabs-js";
import "dotenv/config";

const elevenlabs = new ElevenLabsClient();
const audio = await elevenlabs.textToSpeech.convert(
	"JBFqnCBsd6RMkjVDRZzb", // "George" - browse voices at elevenlabs.io/app/voice-library
	{
		text: "The first move is what sets everything in motion.",
		modelId: "eleven_v4",
		outputFormat: "mp3_44100_128",
	},
);

await play(audio);

cURL

Du kan också anropa slutpunkten från vilket språk som helst som kan göra HTTP-begäranden. Det här cURL-exemplet skickar samma text och sparar ljudet i en fil:

curl -X POST "https://api.elevenlabs.io/v1/text-to-speech/JBFqnCBsd6RMkjVDRZzb?output_format=mp3_44100_128" --output speech.mp3 \
     -H "xi-api-key: $ELEVENLABS_API_KEY" \
     -H "Content-Type: application/json" \
     -d '{
  "text": "The first move is what sets everything in motion.",
  "model_id": "eleven_v4"
}'

Kör den

Nu är du redo att köra TTS API-filen. Kör ett av följande kommandon, beroende på om du skriver i Python eller TypeScript.

Python

python example.py

TypeScript

npx tsx example.mts

Du bör höra ljudet spelas upp genom dina högtalare. Om du använder cURL-exemplet ska du i stället öppna speech.mp3.

Felsök vanliga fel vid TTS-integrering

Om din första begäran misslyckas kan du jämföra statuskoden du får med den här listan över möjliga fel.

För en fullständig lista över fel, se sidan Felreferens för mer information.

Fördelar med att integrera ett Text to Speech-API

Att lägga till ett röstgränssnitt i din applikation ger användare ett nytt sätt att interagera. För vissa kan det vara det enda praktiska sättet att använda din applikation, exempelvis personer med synnedsättning.

Här är fördelarna med att integrera ett TTS-API i din applikation:

• Tillgänglighet: Talat ljud erbjuder ett nytt sätt att interagera med din applikation, vilket gör den tillgänglig för personer som inte enkelt kan läsa den på en skärm.
• Engagemang: Funktioner för uppläsning och medlyssning låter användare ta del av innehåll medan de gör något annat, vilket i allt högre grad är ett vanligt sätt att surfa.
• Röstbaserade upplevelser: Talade svar ger chattbotar och guider i appen ett naturligt sätt att svara användare.
• Flerspråkig räckvidd: Eleven v4 omfattar över 90 språk, så att din integrering kan betjäna målgrupper över hela världen.

Särskilt med tanke på hur enkelt det är att komma igång är det ett kraftfullt sätt att göra din applikation mer interaktiv och uttrycksfull genom att integrera ett TTS-API.

Välj rätt integreringsmetod och modell

ElevenAPI är ett av de snabbaste och enklaste sätten att lägga till röst i en applikation, men det finns flera andra metoder att välja mellan beroende på dina behov.

Här är några olika TTS-integreringsmetoder att välja mellan:

Om du väljer ElevenAPI behöver du också välja vilken modell som ska ingå i din begäran. Här är en snabb guide till de tillgängliga TTS-modellerna från ElevenLabs:

Du kan också välja bland fler än 17 500 röster i vårt Voice Library. Byt bara ut exempel-ID:t i ett kodavsnitt mot det du föredrar.

Vanliga användningsfall för ett Text to Speech-API i en applikation

När din första begäran fungerar kan samma anrop driva många funktioner.

Här är några exempel på hur du kan använda ett TTS-API i en applikation:

• Uppläsning i appen: Skicka texten i delar och spela upp ljudet i ordning. Läs vår integreringsguide för API-batchning för mer information.
• Ljudsvar från chattbotar: Skicka vart och ett av chattbotens svar genom API:et och strömma ljudet tillbaka till användaren för en mer interaktiv upplevelse.
• Telefonsystem: Begär utdataformatet ulaw_8000 för telefoni. Följ vår integreringsguide för Twilio TTS för mer information.

Om du vill bygga röstagenter som kan föra tvåvägssamtal är ElevenAgents byggt för uppgiften. Du konfigurerar och driftsätter en agent på plattformen i stället för att själv bygga hela talkedjan. Utforska ElevenAgents för att läsa mer.

Bygg in TTS API i dina applikationer med ElevenAPI

Att integrera Text to Speech består av fyra huvudsteg: skapa en API-nyckel, installera SDK:t, göra din första begäran och sedan köra den. Samma anrop fungerar i TypeScript, Python och alla andra språk som kan göra en HTTP-begäran. Du kan också välja den modell och röst som passar din applikation.

Om du är redo att bygga in TTS i dina applikationer kan du registrera dig för att göra din första begäran med ElevenAPI redan i dag, eller läsa mer om Text to Speech-API:et.

Vanliga frågor