📦 elevenlabs-tts — ElevenLabs语音合成

使用ElevenLabs API从文本生成高质量语音音频。

认证

API密钥可通过环境变量获取：

ELEVENLABS_API_KEY

包含在请求头中：

xi-api-key: $ELEVENLABS_API_KEY

API端点

文本转语音

POST https://api.elevenlabs.io/v1/text-to-speech/{voice_id}

请求体：

{
  "text": "Your text here",
  "model_id": "eleven_turbo_v2_5",
  "voice_settings": {
    "stability": 0.5,
    "similarity_boost": 0.5
  }
}

响应： 音频字节（默认MP3格式）

常用语音ID

• 21m00Tcm4TlvDq8ikWAM - Rachel（女声，平静）
• EXAVITQu4vr4xnSDxMaL - Bella（女声，柔和）
• ErXwobaYiN019PkySvjV - Antoni（男声，温暖）
• TxGEqnHWrfWFTfGW9XjX - Josh（男声，深沉）

Python示例

import os
import requests
ELEVENLABS_API_KEY = os.environ.get("ELEVENLABS_API_KEY")
VOICE_ID = "21m00Tcm4TlvDq8ikWAM"  # Rachel
def text_to_speech(text, output_path):
    url = f"https://api.elevenlabs.io/v1/text-to-speech/{VOICE_ID}"
    headers = {
        "xi-api-key": ELEVENLABS_API_KEY,
        "Content-Type": "application/json"
    }
    data = {
        "text": text,
        "model_id": "eleven_turbo_v2_5",
        "voice_settings": {
            "stability": 0.5,
            "similarity_boost": 0.75
        }
    }
    response = requests.post(url, json=data, headers=headers)
    if response.status_code == 200:
        with open(output_path, "wb") as f:
            f.write(response.content)
        return True
    else:
        print(f"Error: {response.status_code} - {response.text}")
        return False

处理长文本

ElevenLabs每个请求有约5000字符的限制。对于长文档：

• 在句子边界处将文本拆分成块
• 为每个块生成音频
• 使用ffmpeg或pydub合并：

# 创建文件列表
echo "file 'chunk1.mp3'" > files.txt
echo "file 'chunk2.mp3'" >> files.txt
# 合并
ffmpeg -f concat -safe 0 -i files.txt -c copy output.mp3

最佳实践

• 在句子边界处拆分以避免切断单词
• 检查速率限制（因订阅等级而异）
• 缓存生成的音频以避免冗余的API调用