SuperAPI AI 工具集

elevenlabs-tts

通用与其它

查看项目

更新于 10-16 05:57

技能介绍

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。