用途:自动化 ElevenLabs 文本转语音流程,包括文本转语音、浏览音色库、查看音色详情、检查订阅额度、选择 TTS 模型、低延迟流式播放,以及从历史记录取回已生成音频。
主要能力与工具:ELEVENLABS_TEXT_TO_SPEECH 将文本转为可下载音频文件;ELEVENLABS_GET_VOICES 列出全部音色及属性;ELEVENLABS_GET_VOICE 查看指定音色详情;ELEVENLABS_GET_USER_SUBSCRIPTION_INFO 检查套餐与剩余额度;ELEVENLABS_GET_MODELS 列出可用 TTS 模型;ELEVENLABS_TEXT_TO_SPEECH_STREAM 流式输出音频;ELEVENLABS_GET_AUDIO_FROM_HISTORY_ITEM 按 history_item_id 重新下载历史音频。
使用方式:在客户端添加 Composio MCP 服务器 https://rube.app/mcp,按提示用 API key 连接 ElevenLabs 账号后即可调用上述工作流。文本转语音需提供 voice_id 与 text,可选 model_id、output_format、optimize_streaming_latency、seed、pronunciation_dictionary_locators。
限制与注意:多数模型单次文本上限约 1 万至 2 万字符,超长会返回 HTTP 400,建议按约 5000 字符分块;输出为约 1 小时过期的预签名下载链接 data.file.s3url,需及时下载;额度不足或层级限制会返回 401 quota_exceeded 或 402 payment_required;缺少 voices_read 权限会返回 401 missing_permissions;并非所有模型都支持 TTS,需按 can_do_text_to_speech: true 过滤;optimize_streaming_latency 不支持 eleven_v3;音色列表可能较大,应从完整 data.voices[] 中选取。
适用场景:批量语音生成、音色筛选与试听、额度核查、低延迟音频播放及历史音频复用。