SuperAPI AI 工具集

elevenlabs-narration

通用与其它

查看项目

更新于 10-16 06:16

技能介绍

用途:为视频制作流程接入 ElevenLabs 文本转语音,生成旁白音频、按内容类型选择音色、将帧数换算为毫秒以对齐片段,并搭建从脚本到音频的流水线。

主要能力:覆盖音色选择、时长计算、API 调用模式与成本优化。API 基础地址为 https://api.elevenlabs.io/v1,提供 POST /text-to-speech/{voice_id}(生成音频)、POST /text-to-speech/{voice_id}/stream(流式音频)、GET /voices(列出音色)、GET /voices/{voice_id}(音色详情)、GET /user(用量/配额)、POST /speech-to-speech/{voice_id}(声音转换)等端点。文档列出模型对比(eleven_multilingual_v2、eleven_turbo_v2_5、eleven_flash_v2_5、eleven_english_sts_v2)及其延迟、质量与价格,并给出预设音色(如 Rachel、Adam、Antoni、Bella、Josh)的 ID 与适用场景。

使用方式:npm 包 elevenlabs 客户端以 ELEVENLABS_API_KEY 初始化,调用 generate 传 voice、text、model_id 和 voice_settings(stability、similarity_boost、style、use_speaker_boost)。文档给出按内容类型的语音参数预设,以及 framesToMs、msToFrames 帧毫秒换算函数和 WPM 参考表。Remotion 中通过 Audio 与 Sequence 组件挂载旁白音频。环境变量包括 ELEVENLABS_API_KEY 及可选的 ELEVENLABS_MODEL_ID、ELEVENLABS_DEFAULT_VOICE。

适用场景:视频旁白、产品演示、教程、纪录片解说等脚本转音频流程。

限制:上述模型价格、预设参数与音色信息均来自资料自述,实际可用性与计费需自行核实;具体错误处理与限流细节资料未完整展开,暂未提供。