介绍
# ElevenLabs Speech
完整的语音解决方案——通过一个 API 即可使用 TTS 和 STT： - **TTS**：Text-to-Speech（文本转语音，高质量语音） - **STT**：Speech-to-Text（语音转文本，通过 Scribe 实现精准转录）
## 快速开始
### 环境配置
设置您的 API 密钥： ```bash export ELEVENLABS_API_KEY="sk_..." ```
或者在 workspace 根目录下创建 `.env` 文件。
### Text-to-Speech (TTS)
将文本转换为自然的语音：
```bash python scripts/elevenlabs_speech.py tts -t "Hello world" -o greeting.mp3 ```
使用自定义语音： ```bash python scripts/elevenlabs_speech.py tts -t "Hello" -v "voice_id_here" -o output.mp3 ```
### 列出可用语音
```bash python scripts/elevenlabs_speech.py voices ```
## 在代码中使用
```python from scripts.elevenlabs_speech import ElevenLabsClient
client = ElevenLabsClient(api_key="sk_...")
# Basic TTS result = client.text_to_speech( text="Hello from zerox", output_path="greeting.mp3" )
# With custom settings result = client.text_to_speech( text="Your text here", voice_id="21m00Tcm4TlvDq8ikWAM", # Rachel stability=0.5, similarity_boost=0.75, output_path="output.mp3" )
# Get available voices voices = client.get_voices() for voice in voices['voices']: print(f"{voice['name']}: {voice['voice_id']}") ```
## 热门语音
| 语音 ID | 名称 | 描述 | |----------|------|-------------| | `21m00Tcm4TlvDq8ikWAM` | Rachel | 自然，通用（默认） | | `AZnzlk1XvdvUeBnXmlld` | Domi | 强劲，活力 | | `EXAVITQu4vr4xnSDxMaL` | Bella | 柔和，抚慰 | | `ErXwobaYiN019PkySvjV` | Antoni | 全面均衡 | | `MF3mGyEYCl7XYWbV9V6O` | Elli | 温暖，友好 | | `TxGEqnHWrfWFTfGW9XjX` | Josh | 低沉，冷静 | | `VR6AewLTigWG4xSOukaG` | Arnold | 权威 |
## 语音设置
- **stability** (0-1)：值越低情感越丰富，值越高越稳定 - **similarity_boost** (0-1)：值越高与原始语音越相似
默认值：stability=0.5, similarity_boost=0.75
## 模型
- `eleven_turbo_v2_5` - 快速，高质量（默认） - `eleven_multilingual_v2` - 最适合非英语语言 - `eleven_monolingual_v1` - 仅限英语
## Telegram 集成
当用户发送文本并希望获得语音回复时：
```python # Generate speech result = client.text_to_speech(text=user_text, output_path="reply.mp3")
# Send via Telegram message tool with media path message(action="send", media="path/to/reply.mp3", as_voice=True) ```
## 定价
请访问 https://elevenlabs.io/pricing 查看当前费率。提供免费套餐！
## ElevenLabs Scribe 语音转文本 (STT)
使用 ElevenLabs Scribe 转录语音消息：
### 转录音频
```bash python scripts/elevenlabs_scribe.py voice_message.ogg ```
指定语言： ```bash python scripts/elevenlabs_scribe.py voice_message.ogg --language ara ```
使用说话人分离（多说话人）： ```bash python scripts/elevenlabs_scribe.py voice_message.ogg --speakers 2 ```
### 在代码中使用
```python from scripts.elevenlabs_scribe import ElevenLabsScribe
client = ElevenLabsScribe(api_key="sk-...")
# Basic transcription result = client.transcribe("voice_message.ogg") print(result['text'])
# With language hint (improves accuracy) result = client.transcribe("voice_message.ogg", language_code="ara")
# With speaker detection result = client.transcribe("voice_message.ogg", num_speakers=2) ```
### 支持的格式
- mp3, mp4, mpeg, mpga, m4a, wav, webm - 最大文件大小：100 MB - 与 Telegram 语音消息 (`.ogg`) 配合良好
### 语言支持
Scribe 支持 99 种语言，包括： - 阿拉伯语 (`ara`) - 英语 (`eng`) - 西班牙语 (`spa`) - 法语 (`fra`) - 以及更多...
如果不提供语言提示，它将自动检测。
## 完整工作流示例
**用户发送语音消息 → 您用语音回复：**
```python from scripts.elevenlabs_scribe import ElevenLabsScribe from scripts.elevenlabs_speech import ElevenLabsClient
# 1. Transcribe user's voice message stt = ElevenLabsScribe() transcription = stt.transcribe("user_voice.ogg") user_text = transcription['text']
# 2. Process/understand the text # ... your logic here ...
# 3. Generate response text response_text = "Your response here"
# 4. Convert to speech tts = ElevenLabsClient() tts.text_to_speech(response_text, output_path="reply.mp3")
# 5. Send voice reply message(action="send", media="reply.mp3", as_voice=True) ```
## 定价
请访问 https://elevenlabs.io/pricing 查看当前费率：
**TTS (Text-to-Speech)：** - 免费套餐：每月 10,000 字符 - 提供付费计划
**STT (Speech-to-Text) - Scribe：** - 提供免费套餐 - 请访问网站查看当前定价