ElevenLabs-API auf APIMaster
Senden Sie einen APIMaster-API-Schlüssel im Header `Authorization: Bearer`. Die Endpunkte verwenden `/v1/elevenlabs`. Die Parameterlinks führen zu ElevenLabs.
Senden Sie einen APIMaster-API-Schlüssel im Header Authorization: Bearer. Die Endpunkte verwenden /v1/elevenlabs. Die Parameterlinks führen zu ElevenLabs.
Laden Sie lokale Dateien hoch. Remote-URLs und Transkriptions-Webhooks sind nicht verfügbar. Stimmproben benötigen mindestens 100 Zeichen. Geben Sie die Dauer für Musik und Effekte an. Der APIMaster-WebSocket verwaltet den Anbieterzugang. Nach der Audiobestätigung senden Sie response.create und warten auf response.done.
Modelle und Endpunkte
| Funktion | Modell-IDs | Offizieller Endpunkt | Wichtige Parameter |
|---|---|---|---|
| Sprachausgabe und Dialog | eleven_v4, eleven_v4_turbo, eleven_v3, eleven_v3_conversational, eleven_multilingual_v2, eleven_flash_v2_5, eleven_flash_v2, eleven_turbo_v2_5, eleven_turbo_v2 |
POST /v1/elevenlabs/text-to-speech/{voice_id} · POST /v1/elevenlabs/text-to-dialogue |
text · model_id · voice_settings · language_code · output_format · inputs[].voice_id · inputs[].text |
| Dateitranskription | scribe_v3, scribe_v2, scribe_v2_medical |
POST /v1/elevenlabs/speech-to-text |
model_id · file · language_code · diarize · timestamps_granularity · keyterms · transcript_edit |
| Echtzeittranskription | scribe_v3_live, scribe_v2_realtime |
WSS /v1/elevenlabs/speech-to-text/realtime |
model_id · audio_format · commit_strategy · audio_base_64 · commit |
| Stimmumwandlung | eleven_multilingual_sts_v2, eleven_english_sts_v2 |
POST /v1/elevenlabs/voice-changer/{voice_id} |
audio · model_id · remove_background_noise · voice_settings · output_format |
| Stimmerstellung | eleven_ttv_v3, eleven_multilingual_ttv_v2 |
POST /v1/elevenlabs/text-to-voice/design |
model_id · voice_description · text · guidance_scale · seed |
| Soundeffekte | eleven_text_to_sound_v3, eleven_text_to_sound_v2 |
POST /v1/elevenlabs/sound-generation |
model_id · text · duration_seconds · loop · prompt_influence |
| Musik | music_v2_5, music_v2, music_v1 |
POST /v1/elevenlabs/music |
model_id · prompt · composition_plan · music_length_ms · force_instrumental |
| Echtzeitgespräch | eleven_realtime_v1_mini, eleven_realtime_v1_max |
WSS /v1/elevenlabs/realtime |
model · input_audio_buffer.append · response.create |
| Synchronisation | dubbing_v2, dubbing_v1 |
POST /v1/elevenlabs/dubbing/project |
model_id · file · source_language · target_language · project_id |
Parameter und Antworten
voice_idwählt die Stimme,model_iddas Modell undlanguage_codedie Sprache.voice_settingssteuert den Vortrag. Für Dialoge enthält jeder Eintrag ininputsText und Stimme.- Laden Sie Audio als
filehoch.diarizemarkiert Sprecher undtimestamps_granularitybestimmt die Auflösung der Zeitmarken. Für Echtzeittranskription senden Sie PCM-Blöcke in Base64, bestätigen mitcommitund warten aufcommitted_transcript. - Bei der Stimmumwandlung gibt
voice_iddie Zielstimme an. Die Stimmerstellung liefert drei Hörproben. Geben Sie mindestens 100 Zeichen intextein. - Soundeffekte unterstützen 0,5 bis 30 Sekunden in
duration_seconds. Musik verwendet entwederpromptodercomposition_plan. Mitpromptbestimmtmusic_length_msdie Dauer undforce_instrumentalschaltet Gesang aus. - Für die Synchronisation fragen Sie mit
project_idProjekt und Zielsprache ab und laden anschließendoutputs.lossless_audioherunter.
Beispiele
curl https://apimaster.ai/v1/elevenlabs/text-to-speech/JBFqnCBsd6RMkjVDRZzb \
-H "Authorization: Bearer $APIMASTER_API_KEY" \
-H 'Content-Type: application/json' \
-d '{"model_id":"eleven_v4","text":"Hello from ElevenLabs."}' \
--output speech.mp3
curl https://apimaster.ai/v1/elevenlabs/speech-to-text \
-H "Authorization: Bearer $APIMASTER_API_KEY" \
-F 'model_id=scribe_v3' -F 'file=@speech.mp3' \
-F 'diarize=true' -F 'timestamps_granularity=word'
curl https://apimaster.ai/v1/elevenlabs/music \
-H "Authorization: Bearer $APIMASTER_API_KEY" \
-H 'Content-Type: application/json' \
-d '{"model_id":"music_v2_5","prompt":"Soft piano jingle","music_length_ms":3000,"force_instrumental":true}' \
--output jingle.mp3
curl https://apimaster.ai/v1/elevenlabs/dubbing/project \
-H "Authorization: Bearer $APIMASTER_API_KEY" \
-F 'model_id=dubbing_v2' -F 'file=@speech.mp3' \
-F 'source_language=en' -F 'target_language=es'
curl "https://apimaster.ai/v1/elevenlabs/dubbing/project/$PROJECT_ID" \
-H "Authorization: Bearer $APIMASTER_API_KEY"
curl "https://apimaster.ai/v1/elevenlabs/dubbing/project/$PROJECT_ID/language/$LANGUAGE_ID" \
-H "Authorization: Bearer $APIMASTER_API_KEY"
Anfrageformate und Grenzen
Senden Sie Synthese, Dialoge, Stimmendesign, Soundeffekte und Musik als application/json mit bis zu 4 MiB. Geben Sie output_format als Abfrageparameter an. Dialoge mit mehreren Sprechern verwenden eleven_v4 oder eleven_v3. Mit /stream am Ende des Pfads erhalten Sie Synthese, Dialog, Stimmwandlung, Musik oder Audioisolierung in Abschnitten.
Laden Sie genau eine Datei per multipart/form-data hoch. Verwenden Sie audio für Stimmwandlung und Audioisolierung, file für Transkription, Alignment, Spurtrennung und Synchronisation. Für rohes Mono-PCM mit 16 kHz und 16 Bit im Little-Endian-Format verwenden Sie file_format=pcm_s16le_16.
Musik muss 3.000 bis 600.000 Millisekunden lang sein. Senden Sie mit prompt auch music_length_ms. Beim composition_plan benötigt jeder Abschnitt ein festes duration_ms.
Beispiel für Echtzeitdialoge
Installieren Sie websocket-client und setzen Sie APIMASTER_API_KEY. Senden Sie die Eingabe nach session.created. Audiodaten kommen über response.audio.delta oder response.output_audio.delta. response.done enthält Status und Nutzung.
import json
import os
from urllib.parse import urlsplit, urlunsplit
from websocket import create_connection
base = urlsplit("https://apimaster.ai/v1")
url = urlunsplit(("wss", base.netloc, base.path.rstrip("/") + "/elevenlabs/realtime",
"model=eleven_realtime_v1_mini", ""))
socket = create_connection(
url, header={"Authorization": "Bearer " + os.environ["APIMASTER_API_KEY"]},
timeout=30,
)
try:
assert json.loads(socket.recv())["type"] == "session.created"
socket.send(json.dumps({
"type": "conversation.item.create",
"item": {"type": "message", "role": "user",
"content": [{"type": "input_text", "text": "Say hello."}]},
}))
socket.send(json.dumps({"type": "response.create"}))
while True:
event = json.loads(socket.recv())
if event["type"] == "error":
raise RuntimeError(event["error"])
if event["type"] == "response.done":
print(event["response"]["status"], event["response"].get("usage"))
break
finally:
socket.close()
Eigenständige Audio-Endpunkte
POST /v1/elevenlabs/audio-isolation·audio,file_formatPOST /v1/elevenlabs/forced-alignment·file,textPOST /v1/elevenlabs/music/stem-separation·file,stem_variation_id(two_stems_v1,six_stems_v1)
Abrechnung und Kompatibilität
Sprachausgabe wird nach Zeichen abgerechnet, Audiofunktionen nach ihrer jeweiligen Zeiteinheit. Echtzeitgespräche berechnen Verbindungsminuten und Token. Die drei Stimmproben werden einmal anhand des Vorschautextes berechnet. Die Entfernung von music_v1 und eleven_text_to_sound_v2 ist für 2027-01-31 bzw. 2027-03-01 geplant.
