600msも待てない音声エージェントのために

ElevenLabs: Eleven v4 Turbo

elevenlabs/eleven-v4-turbo
提供中 tts 2プロバイダー
Playground

ElevenLabs' low-latency (~100 ms median inference) variant of Eleven v4 for real-time use, with audio-tag direction and 85 documented languages.

作成者ElevenLabs
言語85言語
ボイス読み込み中...
レスポンス形式同期: MP3 · WAV · PCM · Opus · µ-law · A-law
ストリーミング: MP3 · PCM · Opus · µ-law · A-law
ステータス提供中

プロバイダー

同じモデルを複数のプロバイダーがホストしている場合があります。バックエンドを固定したい場合は1つのプロバイダーを選び、そうでなければルーティングに選択を任せられます。

プロバイダーSlug1,000文字あたりレイテンシiTTSのレイテンシは音声の最初のバイトが届くまでの時間、STTのレイテンシは最初のトークンが届くまでの時間で計測しています。モード稼働率
ElevenLabs 14個のパラメーター
elevenlabs
$0.04
—
同期
Fal 1個のパラメーター
fal
$0.04
—
同期

対応言語

85言語
Afrikaans af
Arabic ar
Armenian hy
Assamese as
Asturian ast
Azerbaijani az
Belarusian be
Bengali bn
Bosnian bs
Bulgarian bg
Burmese my
Cantonese yue
Catalan ca
Cebuano ceb
Chichewa ny
Croatian hr
Czech cs
Danish da
Dutch nl
English en
Estonian et
Filipino fil
Finnish fi
French fr
Galician gl
Georgian ka
German de
Greek el
Gujarati gu
Hausa ha
Hebrew he
Hindi hi
Hungarian hu
Icelandic is
Indonesian id
Irish ga
Italian it
Japanese ja
Javanese jv
Kannada kn
Kazakh kk
Kirghiz ky
Korean ko
Latvian lv
Lingala ln
Lithuanian lt
Luxembourgish lb
Macedonian mk
Malay ms
Malayalam ml
Maltese mt
Mandarin Chinese zh
Maori mi
Marathi mr
Mongolian mn
Nepali ne
Norwegian no
Occitan oc
Odia or
Pashto ps
Persian fa
Polish pl
Portuguese pt
Punjabi pa
Romanian ro
Russian ru
Serbian sr
Sindhi sd
Slovak sk
Slovenian sl
Somali so
Spanish es
Swahili sw
Swedish sv
Tajik tg
Tamil ta
Telugu te
Thai th
Turkish tr
Ukrainian uk
Urdu ur
Uzbek uz
Vietnamese vi
Welsh cy
Yoruba yo

ボイス

機能

Text to speech

Generates spoken audio from text input.

text_to_speech
Streaming

Streams synthesized audio incrementally over HTTP; realtime WebSocket streaming uses the separate Text to Dialogue WebSocket.

streaming
Synchronous

Synthesizes speech from fully-submitted text in a single synchronous request.

synchronous
Multilingual

Supports 85 languages.

multilingual
Expressive speech

Designed for expressive, natural, or emotionally rich generated speech.

expressive_speech

コード

クライアント
モード
言語

ElevenLabs SDKでのストリーミングTTS

ElevenLabs SDKをAllModels経由でルーティングし、音声レスポンスをストリーミングします。

import { ElevenLabsClient } from "elevenlabs";

const client = new ElevenLabsClient({
  apiKey: process.env.ALLMODELS_API_KEY,
  baseUrl: "https://api.allmodels.io/el"
});

const stream = await client.textToSpeech.stream("voice_id", {
  text: "I'm sorry, Dave. I'm afraid I can't do that.",
  modelId: "elevenlabs/eleven-v4-turbo",
  outputFormat: "mp3_44100_128"
});

const reader = stream.getReader();
for (;;) {
  const { done, value } = await reader.read();
  if (done) break;
  // Write value to your response, file, or audio playback pipeline.
}