用途：将文本转为自然、富有表现力的语音，适用于博客文章转音频、视频配音、播客片头片尾、对话式 AI 回复、有声书章节及语音样例制作。
主要能力：提供模型选择（Eleven v3 表现力最强、Multilingual v2 多语言与数字处理较好、Turbo v2.5 低延迟、Flash v2 最快）；v3 支持音频标签控制情绪与音效，如 [laughs]、[whispers]、[sighs]、[excited]、[short pause] 等，可置于文本前、后或句中；支持多说话人对话，用 Speaker 1/Speaker 2 等标签区分；提供发音控制（v2 用 phoneme 标签，v3 用拼写近似或 alias 标签）；含文本规范化建议，处理金额、电话、日期、缩写等。
使用方式：调用 ElevenLabs API，请求地址为 https://api.elevenlabs.io/v1/text-to-speech/{voice_id}，请求头含 xi-api-key 与 Content-Type，请求体含 text、model_id（如 eleven_v3）及 voice_settings（stability、similarity_boost、speed）。生成前需规范化文本、检查发音、添加音频标签、选择匹配音色与稳定性；生成后检查发音与节奏、去除多余情绪朗读、裁剪首尾静音、统一音量。
适用场景：博客转音频、教程旁白、产品评测、通讯朗读等。
限制：v3 不支持 SSML break 标签，v2 的 phoneme 标签在 v3 不适用；音频标签需与音色匹配，否则可能被忽略；稳定性过低可能产生幻觉或重复；免费版速率限制严格，具体额度依套餐而定；文件输出格式与码率建议按用途选择。部分细节（如具体价格、平台支持）资料未提供。