Text to Speech
Overzicht
De Text to Speech (TTS)-API van ElevenLabs zet tekst om in levensechte audio met genuanceerde intonatie, tempo en emotioneel bewustzijn. Onze modellen passen zich aan tekstuele signalen aan in 32 talen en meerdere stemstijlen en kunnen worden gebruikt om:
- Wereldwijde mediacampagnes en advertenties in te spreken
- Luisterboeken in meerdere talen te produceren met complexe emotionele voordracht
- Realtime-audio uit tekst te streamen
Luister naar een voorbeeld:
Bekijk onze stembibliotheek om de perfecte stem voor je project te vinden.
Stemkwaliteit
Voor realtime-applicaties biedt Flash v2.5 een zeer lage latentie van 75 ms, terwijl Multilingual v2 audio van de hoogste kwaliteit levert met een genuanceerdere expressie.
Stemopties
ElevenLabs biedt via verschillende creatiemethoden duizenden stemmen in 32 talen:
- Stembibliotheek met meer dan 10.000 stemmen die door de community zijn gedeeld
- Professioneel stemklonen voor replica’s met de hoogste kwaliteit
- Direct stemklonen om snel een stem te repliceren
- Stemontwerp om aangepaste stemmen te genereren op basis van tekstbeschrijvingen
Lees meer over onze stemopties.
Audio-effecten
Audio-effecten nabewerken gegenereerde spraak zodat die klinkt alsof deze op een specifieke plek is opgenomen, zonder deze achteraf te bewerken. Stel een willekeurige combinatie in van:
- Filterpreset: kleurt de stem, bijvoorbeeld als een telefoonlijn, oude radio of robot.
- Afstand: plaatst de spreker verder van de microfoon.
- Omgeving: plaatst de stem in een galmende ruimte, zoals een kleine kamer of een hal.
- Achtergrondgeluid: speelt onder de stem een omgevingsgeluid in een lus af, zoals een café of toetsenbordgetik.
- Pan: positioneert de stem tussen het linker- en rechterkanaal.
Effecten zijn beschikbaar op de Text to Speech- en Text to Dialogue-endpoints, inclusief streaming- en requests met tijdstempels, via de parameter audio_effects. Bekijk de beschikbare filterpresets, omgevingen en achtergrondgeluiden met de catalogus voor audio-effecten. Agents kunnen ook een stemfilter toepassen; zie Audio environment. Voeg in de app effecten toe vanuit de Text to Speech-playground.
Effecten veranderen de kosten van een request niet.
Galm (een environment_id met een send_level hoger dan 0) en een pan die niet nul is, produceren stereo-
audio. Requests die deze combineren met de mono-uitvoerformaten pcm_*, ulaw_* of alaw_* worden
afgewezen met een 400-fout.
Ondersteunde uitvoerformaten
De standaard response-indeling is mp3, maar er zijn ook andere indelingen beschikbaar, zoals pcm en ulaw.
- MP3
- Samplefrequenties: 22.05kHz - 44.1kHz
- Bitrates: 32kbps - 192kbps
- 22.05kHz @ 32kbps
- 44.1kHz @ 32kbps, 64kbps, 96kbps, 128kbps, 192kbps
- PCM (S16LE)
- Samplefrequenties: 16kHz - 44.1kHz
- Bitrates: 8kHz, 16kHz, 22.05kHz, 24kHz, 44.1kHz, 48kHz
- 16-bits diepte
- μ-law
- Samplefrequentie van 8kHz
- Geoptimaliseerd voor telefonietoepassingen
- A-law
- Samplefrequentie van 8kHz
- Geoptimaliseerd voor telefonietoepassingen
- Opus
- Samplefrequentie: 48kHz
- Bitrates: 32kbps - 192kbps
Audio-opties van hogere kwaliteit zijn alleen beschikbaar in betaalde abonnementen. Bekijk onze prijspagina voor meer informatie.
Ondersteunde talen
Onze meertalige v2-modellen ondersteunen 29 talen:
Engels (VS, VK, Australië, Canada), Japans, Chinees, Duits, Hindi, Frans (Frankrijk, Canada), Koreaans, Portugees (Brazilië, Portugal), Italiaans, Spaans (Spanje, Mexico), Indonesisch, Nederlands, Turks, Filipijns, Pools, Zweeds, Bulgaars, Roemeens, Arabisch (Saoedi-Arabië, VAE), Tsjechisch, Grieks, Fins, Kroatisch, Maleis, Slowaaks, Deens, Tamil, Oekraïens & Russisch.
Flash v2.5 ondersteunt 32 talen: alle talen van v2-modellen plus:
Hongaars, Noors & Vietnamees
Voer simpelweg tekst in een van onze ondersteunde talen in en selecteer een passende stem uit onze stembibliotheek. Kies voor de natuurlijkste resultaten een stem met een accent dat past bij je doeltaal en regio.
Prompting
De modellen interpreteren de emotionele context rechtstreeks uit de tekstinvoer. Zo beïnvloeden beschrijvende teksten als “zei ze opgewonden” of uitroeptekens de emotie in de spraak. Steminstellingen zoals Stability en Similarity helpen de consistentie te regelen, terwijl de onderliggende emotie voortkomt uit tekstuele signalen.
Lees de promptinggids voor meer informatie.
Beschrijvende tekst wordt door het model uitgesproken en moet desgewenst handmatig uit de audio worden geknipt of verwijderd.
Veelgestelde vragen
Kan ik mijn eigen stem klonen?
Ja, je kunt op basis van korte audiofragmenten directe stemklonen van je eigen stem maken. Bekijk voor klonen met hoge kwaliteit onze functie voor professioneel stemklonen.
Ben ik eigenaar van de audio-uitvoer?
Ja. Je behoudt het eigendom van alle audio die je genereert. Commerciële gebruiksrechten zijn echter alleen beschikbaar met betaalde abonnementen. Met een betaald abonnement mag je gegenereerde audio voor commerciële doeleinden gebruiken en inkomsten genereren met de uitvoer als je de intellectuele-eigendomsrechten op de invoercontent bezit.
Wanneer kom ik in aanmerking voor een gratis regeneratie?
Met een gratis regeneratie kun je dezelfde text-to-speechcontent zonder extra kosten opnieuw genereren, onder de volgende voorwaarden:
- Je kunt elk stuk content maximaal 2 keer gratis opnieuw genereren
- De content moet exact hetzelfde zijn als bij de vorige generatie. Bij wijzigingen in de tekst, steminstellingen of andere parameters is een nieuwe, betaalde generatie nodig
Gratis regeneraties zijn nuttig als er een lichte vervorming in de audio-uitvoer zit. Volgens de interne benchmarks van ElevenLabs lossen regeneraties ongeveer de helft van de kwaliteitsproblemen op; de resterende problemen worden meestal veroorzaakt door slechte trainingsdata.
Hoe verminder ik de latentie voor realtime-situaties?
Gebruik de Flash-modellen met lage latentie (Flash v2 of v2.5), geoptimaliseerd voor vrijwel realtime conversatie- of interactieve scenario’s. Bekijk onze gids voor latentieoptimalisatie voor meer informatie.
Waarom is mijn uitvoer soms inconsistent?
De modellen zijn niet-deterministisch. Gebruik voor consistentie de optionele seed- parameter, al kunnen er nog steeds subtiele verschillen optreden.
Wat is de beste aanpak voor grote tekstconversies?
Splits lange tekst op in segmenten en gebruik streaming voor realtime afspelen en efficiënte verwerking. Neem previous/next text of previous/next request id-parameters op om de natuurlijke prosodie tussen delen te behouden.
Belangrijke feiten
- Determinisme: De uitvoer is niet-deterministisch — gebruik de parameter
seedvoor consistentere resultaten - Audio-effecten: Voeg zonder extra kosten een filterpreset, afstand, galm, achtergrondgeluid of panning toe met
audio_effects - Gratis regeneraties: Maximaal 2 gratis regeneraties per generatie (alleen dezelfde content en parameters)
- Eigendom: Je behoudt het eigendom van gegenereerde audio; commercieel gebruik vereist een betaald abonnement
- Toepassingen met lage latentie: Gebruik Flash-modellen (
eleven_flash_v2ofeleven_flash_v2_5) — zie de gids voor latentieoptimalisatie - Lange tekst: Splits lange tekst op in segmenten; gebruik de parameters
previous_text/next_textom een natuurlijke prosodie tussen delen te behouden