用途
ElevenLabs 文本转语音(TTS)技能通过 inference.sh CLI(belt)调用 ElevenLabs 的语音合成能力,将文本转换为高质量语音。它提供 22+ 种高级音色、多语言支持以及语音参数调节,适合需要自然语音输出的各类内容生产场景。
主要能力
模型
| 模型 | ID | 适用场景 | 延迟 |
|---|---|---|---|
| Multilingual v2 | eleven_multilingual_v2 | 最高质量,32 种语言 | ~250ms |
| Turbo v2.5 | eleven_turbo_v2_5 | 速度与质量平衡 | ~150ms |
| Flash v2.5 | eleven_flash_v2_5 | 超低延迟 | ~75ms |
音色库
女性音色:aria(美式、对话感)、alice(英式、自信)、bella(美式、温暖)、jessica(美式、富有表现力)、laura(美式、专业)、lily(英式、柔和)、sarah(美式、友好)。
男性音色:george(英式、权威)、adam(美式、低沉)、bill(美式、成熟)、brian(美式、对话感)、callum(跨大西洋、强烈)、charlie(澳式、自然)、chris(美式、随意)、daniel(英式、有气势)、eric(美式、友好)、harry(美式、年轻)、liam(美式、清晰)、matilda(美式、温暖)、river(美式、自信)、roger(美式、权威)、will(美式、明亮)。
语音调节参数
| 参数 | 范围 | 效果 |
|---|---|---|
| stability | 0-1 | 越高越一致,越低越有表现力 |
| similarity_boost | 0-1 | 越高越接近原始音色特征 |
| style | 0-1 | 越高风格夸张程度越大 |
| use_speaker_boost | true/false | 增强说话人清晰度 |
输出格式
| 格式 | 说明 |
|---|---|
| mp3_44100_128 | 44.1kHz、128kbps MP3(默认) |
| mp3_44100_192 | 44.1kHz、192kbps MP3 |
| pcm_16000 | 16kHz 原始 PCM |
| pcm_22050 | 22.05kHz 原始 PCM |
| pcm_24000 | 24kHz 原始 PCM |
| pcm_44100 | 44.1kHz 原始 PCM |
多语言
ElevenLabs 支持 32 种语言,包括英语、西班牙语、法语、德语、意大利语、葡萄牙语、中文、日语、韩语、阿拉伯语、印地语、俄语等。
使用方式
安装
安装 belt CLI 技能:
npx skills add belt-sh/cli
需要 inference.sh CLI(belt),安装说明见官方文档。
登录
belt login
基础语音生成
belt app run elevenlabs/tts --input '{"text": "Hello, welcome to our product demo.", "voice": "aria"}'
选择模型
# 最高质量
belt app run elevenlabs/tts --input '{
"text": "This is our premium multilingual model with the best quality.",
"voice": "aria",
"model": "eleven_multilingual_v2"
}'
# 实时应用超快速度
belt app run elevenlabs/tts --input '{
"text": "Flash model for low-latency applications.",
"voice": "brian",
"model": "eleven_flash_v2_5"
}'
语音调节
belt app run elevenlabs/tts --input '{
"text": "Fine-tune the voice characteristics for your use case.",
"voice": "bella",
"stability": 0.3,
"similarity_boost": 0.9,
"style": 0.4
}'
输出格式
belt app run elevenlabs/tts --input '{
"text": "High quality audio output.",
"voice": "daniel",
"output_format": "mp3_44100_192"
}'
多语言示例
# 西班牙语
belt app run elevenlabs/tts --input '{
"text": "Hola, bienvenidos a nuestra presentación.",
"voice": "aria",
"model": "eleven_multilingual_v2"
}'
# 法语
belt app run elevenlabs/tts --input '{
"text": "Bonjour, bienvenue à notre démonstration.",
"voice": "alice",
"model": "eleven_multilingual_v2"
}'
语音 + 视频工作流
# 1. 生成旁白
belt app run elevenlabs/tts --input '{
"text": "Introducing the future of AI-powered content creation.",
"voice": "george"
}' > voiceover.json
# 2. 创建口播视频
belt app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://portrait.jpg",
"audio_url": "<audio-url-from-step-1>"
}'
适用场景
- 配音:产品演示、讲解视频、广告
- 有声书:使用一致音色的长篇旁白
- 播客:自然表达的 AI 主持
- 在线学习:多语言课程旁白
- 无障碍:高质量屏幕阅读内容
- IVR:专业电话系统语音
- 视频旁白:纪录片与社交媒体内容
相关技能
# ElevenLabs 多说话人对话
npx skills add inference-sh/skills@elevenlabs-dialogue
# ElevenLabs 变声器
npx skills add inference-sh/skills@elevenlabs-voice-changer
# ElevenLabs 音效
npx skills add inference-sh/skills@elevenlabs-sound-effects
# 所有 TTS 模型(Kokoro、DIA、Chatterbox、Inworld TTS 等)
npx skills add inference-sh/skills@text-to-speech
# 完整平台技能(所有应用)
npx skills add inference-sh/skills@infsh-cli
浏览所有音频应用:
belt app list --category audio
限制
关于收费、价格、配额及具体平台支持范围,资料中暂未提供。