API ElevenLabs w APIMaster
Użyj klucza API APIMaster w nagłówku `Authorization: Bearer`. Punkty końcowe mają prefiks `/v1/elevenlabs`. Odnośniki parametrów prowadzą do ElevenLabs.
Użyj klucza API APIMaster w nagłówku Authorization: Bearer. Punkty końcowe mają prefiks /v1/elevenlabs. Odnośniki parametrów prowadzą do ElevenLabs.
Przesyłaj pliki lokalne. Zdalne adresy URL i webhooki transkrypcji są niedostępne. Tekst próbki głosu wymaga co najmniej 100 znaków. Określ czas muzyki i efektów. WebSocket APIMaster obsługuje poświadczenia dostawcy. Po zatwierdzeniu audio wyślij response.create i poczekaj na response.done.
Modele i punkty końcowe
| Funkcja | Identyfikatory modeli | Oficjalny punkt końcowy | Główne parametry |
|---|---|---|---|
| Synteza mowy i 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 |
| Transkrypcja plików | scribe_v3, scribe_v2, scribe_v2_medical |
POST /v1/elevenlabs/speech-to-text |
model_id · file · language_code · diarize · timestamps_granularity · keyterms · transcript_edit |
| Transkrypcja na żywo | scribe_v3_live, scribe_v2_realtime |
WSS /v1/elevenlabs/speech-to-text/realtime |
model_id · audio_format · commit_strategy · audio_base_64 · commit |
| Zmiana głosu | 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 |
| Projektowanie głosu | eleven_ttv_v3, eleven_multilingual_ttv_v2 |
POST /v1/elevenlabs/text-to-voice/design |
model_id · voice_description · text · guidance_scale · seed |
| Efekty dźwiękowe | eleven_text_to_sound_v3, eleven_text_to_sound_v2 |
POST /v1/elevenlabs/sound-generation |
model_id · text · duration_seconds · loop · prompt_influence |
| Muzyka | music_v2_5, music_v2, music_v1 |
POST /v1/elevenlabs/music |
model_id · prompt · composition_plan · music_length_ms · force_instrumental |
| Rozmowa w czasie rzeczywistym | eleven_realtime_v1_mini, eleven_realtime_v1_max |
WSS /v1/elevenlabs/realtime |
model · input_audio_buffer.append · response.create |
| Dubbing | dubbing_v2, dubbing_v1 |
POST /v1/elevenlabs/dubbing/project |
model_id · file · source_language · target_language · project_id |
Parametry i odpowiedzi
voice_idwybiera głos,model_idmodel, alanguage_codejęzyk.voice_settingszmienia sposób wypowiedzi. Każda pozycjainputszawiera tekst i głos danej kwestii.- Prześlij nagranie jako
file.diarizerozróżnia rozmówców, atimestamps_granularityokreśla dokładność znaczników czasu. W trybie na żywo wysyłaj fragmenty PCM w Base64, zatwierdźcommiti poczekaj nacommitted_transcript. - W funkcji zmiany głosu
voice_idwskazuje głos docelowy. Projektowanie głosu zwraca trzy próbki.textmusi mieć co najmniej 100 znaków. - Dla efektów
duration_secondsprzyjmuje 0,5–30 sekund. Muzyka korzysta zpromptalbocomposition_plan. Zpromptustawisz czas przezmusic_length_msi wyłączysz wokal przezforce_instrumental. - W przypadku dubbingu sprawdzaj projekt i język przez
project_id, a po zakończeniu pobierzoutputs.lossless_audio.
Przykłady
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"
Formaty i ograniczenia żądań
Przesyłaj syntezę, dialogi, projektowanie głosu, efekty i muzykę jako application/json o wielkości do 4 MiB. Umieść output_format w ciągu zapytania. Dialogi z kilkoma rozmówcami korzystają z eleven_v4 lub eleven_v3. Dodaj /stream do ścieżki syntezy, dialogu, konwersji głosu, muzyki lub izolacji dźwięku, aby odczytywać odpowiedź fragmentami.
Prześlij jeden plik jako multipart/form-data. Użyj pola audio do konwersji i izolacji oraz file do transkrypcji, dopasowania, separacji ścieżek i dubbingu. Dla surowego PCM mono 16 kHz, 16-bitowego little-endian użyj file_format=pcm_s16le_16.
Utwór może mieć od 3000 do 600 000 milisekund. Z parametrem prompt podaj music_length_ms. W composition_plan ustaw stałe duration_ms dla każdego segmentu.
Przykład rozmowy w czasie rzeczywistym
Zainstaluj websocket-client i ustaw APIMASTER_API_KEY. Wyślij dane po zdarzeniu session.created. Dźwięk przychodzi w response.audio.delta lub response.output_audio.delta. response.done zwraca stan i użycie w danej turze.
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()
Niezależne punkty końcowe audio
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)
Rozliczenia i zgodność
Synteza jest liczona za znaki, a usługi audio za odpowiednie jednostki czasu. Rozmowa w czasie rzeczywistym jest rozliczana za minuty połączenia i tokeny. Za tekst trzech próbek płaci się raz. Usunięcie music_v1 zaplanowano na 2027-01-31, a eleven_text_to_sound_v2 na 2027-03-01.
