APIMaster.ai

API ElevenLabs en APIMaster

Usa una clave de API de APIMaster en el encabezado `Authorization: Bearer`. Los endpoints usan `/v1/elevenlabs` y sus enlaces de parámetros apuntan a ElevenLabs.

Usa una clave de API de APIMaster en el encabezado Authorization: Bearer. Los endpoints usan /v1/elevenlabs y sus enlaces de parámetros apuntan a ElevenLabs.

Sube archivos locales. No se admiten URL remotas ni webhooks de transcripción. El diseño de voces requiere texto de al menos 100 caracteres. Indica la duración de música y efectos. El WebSocket de APIMaster gestiona las credenciales. Envía response.create después de confirmar el audio y espera response.done.

Modelos y endpoints

Función ID de modelo Endpoint oficial Parámetros principales
Síntesis y diálogo 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
Transcripción de archivos scribe_v3, scribe_v2, scribe_v2_medical POST /v1/elevenlabs/speech-to-text model_id · file · language_code · diarize · timestamps_granularity · keyterms · transcript_edit
Transcripción en directo scribe_v3_live, scribe_v2_realtime WSS /v1/elevenlabs/speech-to-text/realtime model_id · audio_format · commit_strategy · audio_base_64 · commit
Cambio de voz 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
Diseño de voces eleven_ttv_v3, eleven_multilingual_ttv_v2 POST /v1/elevenlabs/text-to-voice/design model_id · voice_description · text · guidance_scale · seed
Efectos de sonido eleven_text_to_sound_v3, eleven_text_to_sound_v2 POST /v1/elevenlabs/sound-generation model_id · text · duration_seconds · loop · prompt_influence
Música music_v2_5, music_v2, music_v1 POST /v1/elevenlabs/music model_id · prompt · composition_plan · music_length_ms · force_instrumental
Conversación en tiempo real eleven_realtime_v1_mini, eleven_realtime_v1_max WSS /v1/elevenlabs/realtime model · input_audio_buffer.append · response.create
Doblaje dubbing_v2, dubbing_v1 POST /v1/elevenlabs/dubbing/project model_id · file · source_language · target_language · project_id

Parámetros y respuestas

  • voice_id selecciona la voz, model_id el modelo, language_code el idioma y voice_settings ajusta la interpretación. Cada elemento de inputs contiene texto y voz para un turno de diálogo.
  • Sube el audio en file. diarize distingue hablantes y timestamps_granularity ajusta el detalle temporal. Envía PCM en bloques Base64 por WebSocket, marca el final con commit y espera committed_transcript.
  • En el cambio de voz, la voz de destino se indica en voice_id. El diseño devuelve tres muestras. Escribe al menos 100 caracteres en text.
  • Los efectos admiten 0,5–30 segundos en duration_seconds. Para música, elige prompt o composition_plan. Con prompt, music_length_ms controla la duración y force_instrumental permite omitir la voz.
  • Para doblaje, consulta el proyecto y el idioma con project_id y descarga outputs.lossless_audio cuando termine.

Ejemplos

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"

Formatos y límites de las solicitudes

Envía síntesis, diálogos, diseño de voz, efectos y música como application/json de hasta 4 MiB. Incluye output_format en la cadena de consulta. Los diálogos con varios hablantes admiten eleven_v4 y eleven_v3. Añade /stream a la ruta de síntesis, diálogo, cambio de voz, música o aislamiento para recibir la respuesta por bloques.

Sube un solo archivo mediante multipart/form-data. Usa audio para cambio de voz y aislamiento, y file para transcripción, alineación, separación de pistas y doblaje. Para PCM sin cabecera, mono, de 16 kHz y 16 bits little-endian, usa file_format=pcm_s16le_16.

La música debe durar entre 3000 y 600 000 milisegundos. Con prompt, indica music_length_ms. Con composition_plan, fija el duration_ms de cada segmento.

Ejemplo de conversación en tiempo real

Instala websocket-client y configura APIMASTER_API_KEY. Envía la entrada tras session.created. El audio llega en response.audio.delta o response.output_audio.delta. El evento response.done incluye el estado y el uso del turno.

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()

Endpoints de audio independientes

Facturación y compatibilidad

La síntesis se mide por caracteres y los servicios de audio por sus respectivas unidades de tiempo. La conversación en directo suma minutos de conexión y tokens. El diseño de voces cobra una vez el texto de las tres muestras. Las retiradas previstas de music_v1 y eleven_text_to_sound_v2 son el 2027-01-31 y el 2027-03-01.

Precios oficiales