Zum Hauptinhalt springen
POST
/
v3
/
elevenlabs-tts-flash-v2
ElevenLabs Text-to-Speech Flash V2
curl --request POST \
  --url https://api.highwayapi.ai/v3/elevenlabs-tts-flash-v2 \
  --header 'Authorization: <authorization>' \
  --header 'Content-Type: <content-type>' \
  --data '
{
  "seed": 123,
  "text": "<string>",
  "stream": true,
  "voice_id": "<string>",
  "next_text": "<string>",
  "language_code": "<string>",
  "output_format": "<string>",
  "previous_text": "<string>",
  "use_pvc_as_ivc": true,
  "voice_settings": {
    "speed": 123,
    "style": 123,
    "stability": 123,
    "similarity_boost": 123,
    "use_speaker_boost": true
  },
  "next_request_ids": [
    {}
  ],
  "previous_request_ids": [
    {}
  ],
  "apply_text_normalization": "<string>",
  "apply_language_text_normalization": true,
  "pronunciation_dictionary_locators": [
    {
      "version_id": "<string>",
      "pronunciation_dictionary_id": "<string>"
    }
  ]
}
'
Konvertiert Text mit der von Ihnen gewählten Stimme in Sprache und gibt Audio zurück.

​
Anfrageheader

​
Content-Type
string
erforderlich
Enumerationswert: application/json
​
Authorization
string
erforderlich
Bearer-Authentifizierungsformat: Bearer {{API-Schlüssel}}.

​
Anfragetext

​
seed
integer
Falls angegeben, versucht das System, so deterministisch wie möglich zu sampeln. Wiederholte Anfragen mit demselben seed und denselben Parametern sollten dasselbe Ergebnis zurückgeben, eine vollständige Deterministik wird jedoch nicht garantiert.Wertebereich: [0, 4294967295]
​
text
string
erforderlich
Der Text, der in Sprache konvertiert werden soll.
​
stream
boolean
Ob der Stream-Modus aktiviert werden soll.
​
voice_id
string
erforderlich
Die zu verwendende Sprach-ID.
​
next_text
string
Der Text nach dem Text der aktuellen Anfrage. Wird verwendet, um die Sprachkohärenz beim Zusammenfügen mehrerer Generierungen zu verbessern.
​
language_code
string
Sprachcode (ISO 639-1), der für das Modell und die Textnormalisierung verwendet wird. Wenn das Modell diesen Sprachcode nicht unterstützt, wird ein Fehler zurückgegeben.
​
output_format
string
Standard:"mp3_44100_128"
Ausgabeformat des generierten Audios. Das Format lautet codec_sample_rate_bitrate. Eine Bitrate von 192 kbps für MP3 erfordert ein Creator-Konto oder höher; eine Abtastrate von 44,1 kHz für PCM erfordert ein Pro-Konto oder höher.Optionale Werte: mp3_22050_32, mp3_24000_48, mp3_44100_32, mp3_44100_64, mp3_44100_96, mp3_44100_128, mp3_44100_192, pcm_8000, pcm_16000, pcm_22050, pcm_24000, pcm_32000, pcm_44100, pcm_48000, ulaw_8000, alaw_8000, opus_48000_32, opus_48000_64, opus_48000_96, opus_48000_128, opus_48000_192
​
previous_text
string
Der Text vor dem Text der aktuellen Anfrage. Wird verwendet, um die Sprachkohärenz beim Zusammenfügen mehrerer Generierungen zu verbessern.
​
use_pvc_as_ivc
boolean
Standard:false
Wenn true, wird die IVC-Version der Stimme anstelle der PVC-Version verwendet. Dies ist eine temporäre Lösung für die höhere Latenz der PVC-Version.
​
voice_settings
object
​
next_request_ids
array
Liste der request_id nachfolgender Samples. Wird verwendet, um die Sprachkohärenz beim erneuten Generieren von Samples beizubehalten. Es können maximal 3 request_id übergeben werden.Array-Länge: 0 - 3
​
previous_request_ids
array
Liste der request_id von Samples, die vor der aktuellen Generierung bereits generiert wurden. Kann verwendet werden, um die Sprachkohärenz zu verbessern. Es können maximal 3 request_id übergeben werden.Array-Länge: 0 - 3
​
apply_text_normalization
string
Standard:"auto"
Steuert die Textnormalisierung. ‘auto’ wird vom System entschieden, ‘on’ normalisiert immer, ‘off’ überspringt sie.Optionale Werte: auto, on, off
​
apply_language_text_normalization
boolean
Standard:false
Steuert die sprachspezifische Textnormalisierung für bestimmte unterstützte Sprachen, um eine natürlichere Aussprache zu erzielen. Warnung: Dies kann die Latenz deutlich erhöhen. Derzeit wird nur Japanisch unterstützt.
​
pronunciation_dictionary_locators
array
Liste der Aussprachewörterbuch-Locators (id, version_id), die auf den Text angewendet werden sollen. Sie werden der Reihe nach angewendet. Pro Anfrage sind maximal 3 Locators möglich.Array-Länge: 0 - 3

​
Antwortinformationen

Generierte Audiodatei Format: binary