SuperAPI AI 工具集

elevenlabs

编程与开发

查看项目

更新于 10-15 21:10

技能介绍

用途:调用 ElevenLabs API 生成 AI 配音、音效与音乐,用于视频、播客或游戏等音频内容制作。运行前需在 .env 中配置 ELEVENLABS_API_KEY。

主要能力:文本转语音可选用 eleven_multilingual_v2(稳定、支持 style+speed)、eleven_v4(表现力强、支持克隆)、eleven_flash_v2_5(最快最便宜、支持 SSML)等模型;语音转文字使用 Scribe;支持即时与专业声音克隆;可生成最长 22 秒的音效,以及 10 秒至 5 分钟的音乐。工具包命令 /generate-voiceover 会读取 VOICEOVER-SCRIPT.md、按场景生成音频并输出 manifest.json。

用法:需安装 elevenlabs SDK,通过 client.text_to_speech.convert、client.speech_to_text.convert、client.voices.ivc.create、client.text_to_sound_effects.convert、client.music.compose 等接口调用;可用 uv run tools/voiceover.py 和 redub.py 等脚本。生成后可与 Remotion 的 Audio 组件结合并同步画面。

适用场景:为视频或动画按场景配音、播客旁白、游戏音效与背景音乐、克隆特定人声。

限制:不同模型对 SSML、style、speed 的支持不同;v4 仅接受 stability 与 similarity 两项设置,文本约每 2000 字符需分段;省略号不能作为可靠停顿;专业声音克隆需 Creator 及以上方案与 30 分钟以上音频。具体价格、配额与平台支持暂未提供。