ElevenLabs Automation 是一套面向 ElevenLabs 文本转语音服务的自动化工作流工具集，基于 Composio 提供，通过 MCP 接入 AI 客户端后即可调用 ElevenLabs 的各项语音能力。
用途 该工具集用于自动化 ElevenLabs 的文本转语音流程，包括将文本转换为自然语音、浏览和查看语音库、检查订阅额度、选择 TTS 模型、以流式方式低延迟传输音频，以及从历史记录中重新获取此前生成的音频。工具包文档位于 composio.dev/toolkits/elevenlabs。
主要能力与使用方式 设置步骤：将 Composio MCP 服务器（https://rube.app/mcp）添加到客户端，按提示以 API key 认证方式连接 ElevenLabs 账号，然后即可使用下列工作流。
-
文本转语音：使用 ELEVENLABS_TEXT_TO_SPEECH 将文本转换为可下载的音频文件。参数包括 voice_id（必填，可通过 ELEVENLABS_GET_VOICES 获取）、text（必填，多数模型上限约 10,000 字符，Flash/Turbo v2 为 30,000，v2.5 为 40,000）、model_id（默认 eleven_monolingual_v1，例如 eleven_multilingual_v2）、output_format（默认 mp3_44100_128）、optimize_streaming_latency（0-4，eleven_v3 不支持）、seed（可选，用于可复现，但不保证）以及 pronunciation_dictionary_locators（可选，最多 3 个词典）。输出格式涵盖 MP3（mp3_22050_32、mp3_44100_32/64/96/128/192，其中 mp3_44100_192 需 Creator 及以上）、PCM（pcm_16000/22050/24000/44100，需 Pro 及以上）和 uLaw（ulaw_8000，用于 Twilio）。输出为文件对象，下载链接位于 data.file.s3url，约 1 小时后过期，需及时下载。
-
浏览语音：ELEVENLABS_GET_VOICES 无输入参数，返回 data.voices[] 数组，包含 voice_id、name、labels（性别、口音、用途）及设置。
-
查看单个语音详情：ELEVENLABS_GET_VOICE 需要 voice_id（如 "21m00Tcm4TlvDq8ikWAM"），with_settings 布尔值（默认 false）可返回详细语音设置。
-
检查订阅与额度：ELEVENLABS_GET_USER_SUBSCRIPTION_INFO 无输入参数，用于批量生成前确认套餐限制与剩余额度。
-
列出可用 TTS 模型：ELEVENLABS_GET_MODELS 无输入参数，可通过 can_do_text_to_speech: true 过滤出支持 TTS 的模型。
-
流式音频与历史记录：ELEVENLABS_TEXT_TO_SPEECH_STREAM 使用与文本转语音相同的核心输入，返回流以实现低延迟播放；ELEVENLABS_GET_AUDIO_FROM_HISTORY_ITEM 需要 history_item_id（必填），用于重新下载此前生成的音频。
适用场景 适用于需要程序化生成语音、按语音库挑选音色、批量处理前核对额度、以流式方式实现低延迟语音交付，或需要回溯历史生成音频的场景。
已知限制 文本长度方面，多数模型每次请求约 10,000-20,000 字符上限，超长输入会返回 HTTP 400，建议按约 5000 字符分块生成；输出为约 1 小时过期的预签名链接，需尽快下载；额度不足或套餐限制会表现为 HTTP 401（quota_exceeded）或 HTTP 402（payment_required）；API key 缺少 voices_read 权限时返回 HTTP 401（missing_permissions）；并非所有模型都支持 TTS，需通过模型列表过滤；optimize_streaming_latency 参数在 eleven_v3 中不受支持；ELEVENLABS_GET_VOICES 返回的语音列表可能很大，应从完整的 data.voices[] 数据中选择，预览可能被截断。上述价格、套餐层级等细节暂未提供完整说明。