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_idselecciona la voz,model_idel modelo,language_codeel idioma yvoice_settingsajusta la interpretación. Cada elemento deinputscontiene texto y voz para un turno de diálogo.- Sube el audio en
file.diarizedistingue hablantes ytimestamps_granularityajusta el detalle temporal. Envía PCM en bloques Base64 por WebSocket, marca el final concommity esperacommitted_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 entext. - Los efectos admiten 0,5–30 segundos en
duration_seconds. Para música, eligepromptocomposition_plan. Conprompt,music_length_mscontrola la duración yforce_instrumentalpermite omitir la voz. - Para doblaje, consulta el proyecto y el idioma con
project_idy descargaoutputs.lossless_audiocuando 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
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)
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.
