SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场elevenlabs-voices

elevenlabs-voices

办公与效率

查看项目

更新于 10-16 06:57

技能介绍

ElevenLabs Voice Personas v2.1 是一套基于 ElevenLabs API 的综合语音合成工具包，通过命令行脚本提供文本转语音、音效生成和语音设计能力。

一、用途 该工具用于将文本转换为高质量语音，并生成 AI 音效、设计自定义语音。适用于教程、有声书、新闻播报、播客、社交媒体、冥想等配音场景。

二、主要能力

  1. 18 种语音人格：包括 rachel（温暖，适合对话与教程）、adam（旁白，适合纪录片与有声书）、bella（专业，适合商务与演示）、brian（安抚，适合冥想）、george（英音讲故事，适合有声书）、alice（英音教育者，适合教程）、callum、charlie（澳音，适合运动与激励）、jessica、lily、matilda、river（中性）、roger、daniel（英音播音员）、eric、chris、liam 等，各有口音、性别和适用场景。
  2. 32 种语言：基于 multilingual v2 模型，支持英语、德语、西班牙语、法语、意大利语、葡萄牙语、俄语、乌克兰语、日语、韩语、中文、阿拉伯语、印地语、泰米尔语、印尼语、越南语、波兰语、荷兰语、瑞典语、丹麦语、芬兰语、挪威语、土耳其语、捷克语、斯洛伐克语、匈牙利语、罗马尼亚语、保加利亚语、克罗地亚语、希腊语、马来语、泰语。
  3. 快捷预设：default（rachel）、narrator（adam）、professional（matilda）、storyteller（george）、educator（alice）、calm（brian）、energetic（liam）、trustworthy（eric）、neutral（river）、british（george）、australian（charlie）、broadcaster（daniel）。
  4. 流式模式：使用 --stream 实时输出生成中的音频，适合长文本。
  5. 音效生成：从文本提示生成 AI 音效，可设置时长（0.5-22 秒）、提示影响度（0.0-1.0），支持批处理。
  6. 批处理：从换行分隔文本文件或 JSON 文件批量处理多个文本。
  7. 费用追踪：统计字符用量与预估费用，支持预算上限设置。
  8. 语音设计：根据性别、年龄、口音、描述创建自定义语音，可保存到 ElevenLabs 库。
  9. 发音词典：通过 pronunciations.json 自定义单词发音规则，可用 --no-pronunciations 禁用。
  10. ThinkFleet 集成：可与 ThinkFleet 内置 TTS 配合使用，在 ~/.thinkfleetbot/thinkfleetbot.json 中配置 provider 为 elevenlabs。

三、使用方式

  1. 首次运行：执行 python3 scripts/setup.py 交互式向导，设置 API Key、默认语音、语言、音频质量、费用追踪与预算上限。API Key 仅存于本地 config.json，并被 .gitignore 排除。
  2. 基本合成：python3 scripts/tts.py --text "Hello world" --voice rachel --output hello.mp3；用 --list 列出所有语音；用 --languages 列出语言；用 --lang 指定语言。
  3. 流式：python3 scripts/tts.py --text "..." --voice adam --stream。
  4. 批处理：python3 scripts/tts.py --batch texts.txt --voice rachel --output-dir ./audio，或使用 JSON 格式（含 text、voice、output 字段）。
  5. 统计：python3 scripts/tts.py --stats；重置用 --reset-stats。
  6. 音效：python3 scripts/sfx.py --prompt "Thunder rumbling in the distance"，可加 --duration、--influence、--batch、--examples。
  7. 语音设计：python3 scripts/voice-design.py --gender female --age middle_aged --accent american --description "..."，可用 --save 保存，--options 查看选项。性别可选 male/female/neutral；年龄可选 young/middle_aged/old；口音可选 american/british/african/australian/indian/latin/middle_eastern/scandinavian/eastern_european；口音强度 0.3-2.0。
  8. 语音设置：stability、similarity_boost、style 均为 0.0-1.0。
  9. API Key 读取顺序：环境变量 ELEVEN_API_KEY 或 ELEVENLABS_API_KEY、ThinkFleet 配置、技能本地 .env 文件。

四、触发词 "use {voice_name} voice"、"speak as {persona}"、"list voices"、"voice settings"、"generate sound effect"、"design a voice"。

五、文件结构 包含 SKILL.md、README.md、config.json（本地配置，已加入 .gitignore）、voices.json、pronunciations.json、examples.md，以及 scripts 目录下的 setup.py、tts.py、sfx.py、voice-design.py，references 目录下的 voice-guide.md。

六、限制 需自备 ElevenLabs API Key；费用因订阅计划而异，具体价格未在本资料中提供；批处理与语音设计的具体上限、速率限制以及错误处理细节暂未提供；语音设计选项的完整可行组合暂未提供。