ElevenLabs Text-to-Speech Turbo v2

curl --request POST \
  --url https://api.highwayapi.ai/v3/elevenlabs-tts-turbo-v2 \
  --header 'Authorization: <authorization>' \
  --header 'Content-Type: <content-type>' \
  --data '
{
  "seed": 123,
  "text": "<string>",
  "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>"
    }
  ]
}
'

POST

elevenlabs-tts-turbo-v2

curl --request POST \
  --url https://api.highwayapi.ai/v3/elevenlabs-tts-turbo-v2 \
  --header 'Authorization: <authorization>' \
  --header 'Content-Type: <content-type>' \
  --data '
{
  "seed": 123,
  "text": "<string>",
  "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.

Request-Header

Content-Type

string

erforderlich

Enum-Wert: application/json

Authorization

string

erforderlich

Bearer-Authentifizierungsformat: Bearer {{API Key}}.

Request-Body

seed

integer

Falls angegeben, versucht das System, möglichst deterministisch zu sampeln. Wiederholte Anfragen mit demselben seed und denselben Parametern sollten dasselbe Ergebnis zurückgeben, eine vollständige Deterministik ist jedoch nicht garantiert.Wertebereich: [0, 4294967295]

text

string

erforderlich

Der Text, der in Sprache konvertiert werden soll.

voice_id

string

erforderlich

Die zu verwendende Stimmen-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) für Modell und Textnormalisierung. Wenn das Modell diesen Sprachcode nicht unterstützt, wird ein Fehler zurückgegeben.

output_format

string

Standard:"mp3_44100_128"

Das Ausgabeformat des generierten Audios. Format: codec_sample_rate_bitrate. Eine MP3-Bitrate von 192 kbps erfordert ein Creator-Konto oder höher, eine PCM-Abtastrate von 44,1 kHz 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 vorübergehende Lösung für die höhere Latenz der PVC-Version.

voice_settings

object

Ausblenden Eigenschaften

speed

number

Standard:1

Passt die Geschwindigkeit der Stimme an. 1.0 ist die Standardgeschwindigkeit; Werte kleiner als 1.0 verlangsamen die Sprechgeschwindigkeit, Werte größer als 1.0 erhöhen sie.

style

number

Standard:0

Bestimmt, wie stark der Sprachstil überzeichnet wird. Versucht, den Stil des ursprünglichen Sprechers zu verstärken. Ein Wert ungleich 0 verbraucht mehr Rechenressourcen und kann die Latenz erhöhen.

stability

number

Bestimmt die Stabilität der Sprachgenerierung und die Zufälligkeit zwischen einzelnen Generierungen. Niedrigere Werte ermöglichen ein breiteres emotionales Spektrum, höhere Werte können zu monotoner Sprache führen.

similarity_boost

number

Bestimmt, wie genau die AI versucht, die ursprüngliche Stimme nachzubilden.

use_speaker_boost

boolean

Standard:true

Erhöht die Ähnlichkeit mit dem ursprünglichen Sprecher. Erfordert eine etwas höhere Rechenlast und erhöht die Latenz.

next_request_ids

array

Liste der request_id-Werte nachfolgender Samples. Wird verwendet, um die Sprachkohärenz beim erneuten Generieren von Samples beizubehalten. Es können maximal 3 request_id-Werte übergeben werden.Array-Länge: 0 - 3

previous_request_ids

array

Liste der request_id-Werte von Samples, die vor der aktuellen Generierung erstellt wurden. Kann zur Verbesserung der Sprachkohärenz verwendet werden. Es können maximal 3 request_id-Werte übergeben werden.Array-Länge: 0 - 3

apply_text_normalization

string

Standard:"auto"

Steuert die Textnormalisierung. ‘auto’ lässt das System entscheiden, ‘on’ normalisiert immer, ‘off’ überspringt die Normalisierung.Optionale Werte: auto, on, off

apply_language_text_normalization

boolean

Standard:false

Steuert die sprachspezifische Textnormalisierung für einige unterstützte Sprachen, um eine natürlichere Aussprache zu erreichen. Warnung: Kann die Latenz erheblich 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

Ausblenden Eigenschaften

version_id

string

Die ID der Aussprachewörterbuch-Version. Wenn nicht angegeben, wird die neueste Version verwendet.

pronunciation_dictionary_id

string

erforderlich

Die ID des Aussprachewörterbuchs.