用途:这是一个通过 inference.sh CLI(belt)调用 ElevenLabs 文本转语音(TTS)的技能,用于把文本生成高质量语音,覆盖配音、有声书、播客、课件、无障碍阅读、IVR 和视频旁白等场景。
主要能力:提供 22 种以上预制音色,分女声(aria、alice、bella、jessica、laura、lily、sarah)与男声(george、adam、bill、brian、callum、charlie、chris、daniel、eric、harry、liam、matilda、river、roger、will),可指定风格特征。提供三种模型:eleven_multilingual_v2(质量最高,支持 32 种语言,延迟约 250ms)、eleven_turbo_v2_5(速度与质量平衡,约 150ms)、eleven_flash_v2_5(超低延迟,约 75ms)。支持音色调参:stability、similarity_boost、style(均为 0-1)以及 use_speaker_boost(true/false)。输出格式包括 mp3_44100_128(默认)、mp3_44100_192、pcm_16000、pcm_22050、pcm_24000、pcm_44100。支持包括中文在内的 32 种语言。
使用方式:先安装技能 npx skills add belt-sh/cli,再执行 belt login 登录,然后用 belt app run elevenlabs/tts --input '{...}' 传入 text、voice,以及可选的 model、稳定性等参数和 output_format。可把输出写入文件再与视频类应用串联。其他相关技能可用 npx skills add 方式安装,例如 elevenlabs-dialogue、elevenlabs-voice-changer、elevenlabs-sound-effects,也可用 belt app list --category audio 浏览音频应用。
限制:具体收费、价格、配额及部署要求资料未提供;实际可用音色、语言和参数以上游服务为准。