APIMaster.ai

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_id wählt die Stimme, model_id das Modell und language_code die Sprache. voice_settings steuert den Vortrag. Für Dialoge enthält jeder Eintrag in inputs Text und Stimme.
  • Laden Sie Audio als file hoch. diarize markiert Sprecher und timestamps_granularity bestimmt die Auflösung der Zeitmarken. Für Echtzeittranskription senden Sie PCM-Blöcke in Base64, bestätigen mit commit und warten auf committed_transcript.
  • Bei der Stimmumwandlung gibt voice_id die Zielstimme an. Die Stimmerstellung liefert drei Hörproben. Geben Sie mindestens 100 Zeichen in text ein.
  • Soundeffekte unterstützen 0,5 bis 30 Sekunden in duration_seconds. Musik verwendet entweder prompt oder composition_plan. Mit prompt bestimmt music_length_ms die Dauer und force_instrumental schaltet Gesang aus.
  • Für die Synchronisation fragen Sie mit project_id Projekt und Zielsprache ab und laden anschließend outputs.lossless_audio herunter.

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

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.

Offizielle Preise