elevenlabs-v4-tts

Text to Speech

Eleven v4 ist ein mehrsprachiges Sprachsynthesemodell für ausdrucksstarke Darbietungen mit Audio-Tags für Tonfall, Pausen, Lachen und andere stimmliche Reaktionen. Wählen Sie auf PoYo eine Stimme aus und passen Sie Stabilität und Ähnlichkeit an, um Hörbücher, ausdrucksstarke Charaktertexte, Werbeanzeigen und Videokommentare in über 90 Sprachen zu erstellen.

APIKey erhalten

API-Dokumentation

Input

Text

266/5000

Voice

Stability

Similarity Boost

Output Format

Language Code

Apply Text Normalization

Timestamps

Output

Beispielausgabe

Dies sind Beispieldaten. Generieren Sie ein neues Ergebnis, um die echte Ausgabe zu sehen.

Task-ID:example-eleven-v4-defaultErstellt:2026-10-14T11:11:30

Status:finishedFortschritt:100%

Examples

Preisinformationen

Transparente Preise ohne versteckte Kosten. Bezahle nur, was du nutzt.

elevenlabs-v4-tts

Text to speech

PoYo-Preis

$0.080

16 Credits

Offizieller Preis

Du sparst

Model	Spezifikation	PoYo-Preis	Offizieller Preis	Du sparst
elevenlabs-v4-tts	Text to speech	$0.080 16 Credits per 1000 characters	-	-

* Tatsächliche Gebühren basieren auf dem endgültigen Ergebnis.

ELEVEN V4

Ausdrucksstarke mehrsprachige Sprache, gesteuert mit Audio-Tags

Eleven v4 API für natürliche, ausdrucksstarke Text-zu-Sprache-Ausgabe

Verleihen Sie Charakteren eine unverwechselbare Stimme und Geschichten mehr Gefühl. Steuern Sie mit Eleven v4 auf PoYo Lachen, Pausen und Emotionen durch Audio-Tags und wählen Sie anschließend eine Stimme für mehrsprachige Hörbücher, Werbeanzeigen und Videokommentare aus.

API-Schlüssel erhalten

Wichtige Funktionen der Eleven v4 API

Von Charakterdarstellungen bis zur mehrsprachigen Erzählung: Hören Sie, wie Skripte zu natürlicher Sprache werden.

Ausdrucksstarke Sprache mit Audio-Tags

Verleihen Sie jeder Zeile eine eigene Sprechweise, indem Sie Regieanweisungen in text einfügen. Eleven v4 interpretiert Audio-Tags zusammen mit Ihrem Skript und fügt Reaktionen wie Kichern und Lachen dort hinzu, wo die Szene sie verlangt. Verleihen Sie einer Geschichte oder einem Werbetext Charakter und halten Sie dabei den gesprochenen Text und die Regieanweisungen zusammen.

Regieanweisungen direkt in das Skript schreiben
Emotionen und natürliche stimmliche Reaktionen gestalten
Ausdrucksstarke Voiceovers für Geschichten und Werbung erstellen

Natürliche Sprache in verschiedenen Sprachen

Erreichen Sie Zuhörer in ihrer eigenen Sprache mit einer Sprachausgabe, die natürlichen Rhythmus und Ausdruck bewahrt. Eleven v4 unterstützt mehr als 90 Sprachen. Verwenden Sie language_code, um eine Sprache anzugeben, oder lassen Sie das Feld für die automatische Erkennung ungesetzt. Erstellen Sie innerhalb desselben Workflows für Sprachaufnahmen Versionen für verschiedene Märkte.

Sprache in mehr als 90 Sprachen erstellen
Eine Sprache angeben oder die automatische Erkennung verwenden
Sprachaufnahmen für Zielgruppen in verschiedenen Märkten anpassen

Stimmauswahl für Sprachaufnahmen

Beginnen Sie mit einer Stimme, die zu Ihrem Skript passt – von einem warmen Geschichtenerzähler bis zu einer klaren Erklärstimme. Legen Sie mit voice die Sprecherstimme fest und passen Sie anschließend stability und similarity_boost an, um die Ausgabe zu steuern. Erstellen Sie einen Workflow für Sprachaufnahmen von Hörbüchern, Lektionen und Video-Voiceovers, ohne jede Aufnahme selbst einsprechen zu müssen.

Eine Stimme für Ihre Inhalte auswählen
Stabilität und Stimmähnlichkeit anpassen
Sprachaufnahmen für Bücher, Lektionen und Videos produzieren

Für wen eignet sich die Eleven v4 API?

Hörbücher & Storytelling

Verwandeln Sie Kapitel mit Eleven v4 in ausdrucksstarke Sprachaufnahmen. Wählen Sie eine Erzählerstimme aus, fügen Sie Charaktertexten Regieanweisungen hinzu und generieren Sie jeden Abschnitt innerhalb des Anfragelimits von 5.000 Zeichen. Verwenden Sie während des gesamten Produktionsworkflows eine einheitliche Stimme.

Video-Voiceovers

Erstellen Sie mit Eleven v4 Voiceovers für Erklärvideos, Produktanleitungen und Social-Media-Videos. Überarbeiten Sie das Skript, ohne eine weitere Aufnahmesitzung planen zu müssen, und fordern Sie, sofern verfügbar, optionale Zeitstempel an, um die Sprache leichter mit dem Schnitt abzustimmen.

Werbung & Kampagnen

Verleihen Sie Kampagnentexten die passende Sprechweise – von einer energiegeladenen Markteinführung bis zu einer warmen Einleitung. Steuern Sie das Vorlesen mit den Audio-Tags von Eleven v4 und produzieren Sie anschließend verschiedene Skripte mit derselben ausgewählten Stimme für einen einheitlichen Kampagnenklang.

Bildung & Schulung

Verwandeln Sie schriftliche Erklärungen aus Kursen, Tutorials und Schulungsmaterialien in klare Sprache. Verwenden Sie die Stimmauswahl und die Einstellungen zur Textnormalisierung von Eleven v4, um Zahlen, Datumsangaben und Abkürzungen nach Bedarf zu verarbeiten und wiederverwendbare Bildungsinhalte zu erstellen.

Inhaltslokalisierung

Produzieren Sie mit Eleven v4 Sprachaufnahmen für Zielgruppen in verschiedenen Sprachen. Übermitteln Sie den lokalisierten Text und optional den Sprachcode und hören Sie sich das Ergebnis vor der Veröffentlichung an. Das Modell unterstützt mehr als 90 Sprachen für globale Content-Workflows.

Voiceovers für Spielfiguren

Verleihen Sie einzelnen Charaktertexten durch Audio-Tags und eine ausgewählte Stimme Emotionen. Eleven v4 eignet sich für geskriptete Dialoge, Quest-Erzählungen und Szeneneinleitungen. Generieren Sie pro Anfrage eine Sprecherstimme und fügen Sie die fertigen Audiodateien in Ihrer Spieleproduktionspipeline zusammen.

So verwenden Sie die Eleven v4 API auf PoYo

Schritt 1: Registrieren und einen API-Schlüssel erstellen
Melden Sie sich bei PoYo an und erstellen Sie einen Schlüssel für Ihre Anwendung.
API-Schlüssel erstellen →

Schritt 2: Guthaben hinzufügen
Laden Sie Guthaben für Ihre erwartete Nutzung auf und prüfen Sie vor jeder Anfrage die Schätzung im Playground.
Guthaben hinzufügen →

Schritt 3: Die asynchrone API integrieren
Senden Sie eine elevenlabs-v4-tts-Anfrage, speichern Sie task_id und fragen Sie den Status regelmäßig ab, um die Audio- und optionalen Zeitstempeldateien abzurufen.
API-Dokumentation lesen →

Häufig gestellte Fragen zur Eleven v4 API

Was ist Eleven v4?

Eleven v4 ist ein Text-to-Speech-Modell von ElevenLabs, das für natürliche, ausdrucksstarke Sprache entwickelt wurde. Es interpretiert Regieanweisungen in Ihrem Skript und unterstützt mehr als 90 Sprachen. PoYo stellt eine asynchrone API bereit, mit der pro Anfrage eine Sprecherstimme generiert werden kann und die Stimmeinstellungen, die Auswahl des Audioformats und optionale Zeitstempel bietet.

Wie funktionieren Audio-Tags?

Schreiben Sie Audio-Tags wie [warm], [excited] oder [laughs] direkt in text, um die Sprechweise zu steuern. Belassen Sie die gesprochenen Wörter im selben Skript. Die Tags werden vom Modell interpretiert und nicht als separate API-Felder behandelt. Ihre Zeichen werden auf die Anfragelänge und die Abrechnung angerechnet.

Welche Sprachen kann ich verwenden?

Eleven v4 unterstützt mehr als 90 Sprachen. Senden Sie den Text in der Sprache, die Sie hören möchten, und legen Sie optional language_code fest, zum Beispiel en, zh oder es. Lassen Sie das Feld weg, um die automatische Erkennung zu verwenden. Prüfen Sie Namen und Fachbegriffe akustisch, bevor Sie die fertige Audiodatei veröffentlichen.

Wie hoch ist das Textlimit bei PoYo?

Jede PoYo-Anfrage akzeptiert bis zu 5.000 Unicode-Zeichen und darf nicht leer sein. Leerzeichen, Zeilenumbrüche und Audio-Tags werden mitgezählt. Längere Skripte müssen auf mehrere Anfragen verteilt werden. Der Zeichenzähler und die Kostenschätzung im Playground verwenden dieselbe Regel zur Zeichenzählung wie das Backend.

Wie wird die Nutzung abgerechnet?

Die Nutzung wird proportional zur Anzahl der Zeichen im übermittelten Text abgerechnet. Der Preis beträgt 16 Credits beziehungsweise $0.08 pro 1.000 Zeichen. Eine Anfrage mit 100 Zeichen verbraucht 1.6 Credits. Anfragen werden nicht auf Blöcke von 1.000 Zeichen aufgerundet. Beachten Sie die obige Preistabelle und die Live-Schätzung im Playground.

Welche Audioformate sind verfügbar?

Wählen Sie aus 19 output_format-Werten für MP3, PCM, mu-law, A-law und Opus. Der Standardwert ist mp3_44100_128. Generierte Dateien behalten ihre Audiocodierung bei. MP3 eignet sich gut für die Wiedergabe im Browser. Rohes PCM und Telefonieformate benötigen nach dem Download möglicherweise einen kompatiblen Player.

Kann ich Zeitstempel herunterladen?

Setzen Sie timestamps auf true, um Zeitinformationen anzufordern. Wenn die Generierung diese Informationen zurückgibt, stellt PoYo neben dem Audio-Download eine separate JSON-Datei bereit. Bei einem erfolgreichen Audioergebnis ist möglicherweise keine Zeitstempeldatei vorhanden, wenn die vorgelagerte Antwort keine Zeitinformationen enthält.

Bietet diese API Streaming oder das Klonen von Stimmen?

Diese PoYo-Integration verwendet asynchrone Übermittlungs- und Statusendpunkte. Sie akzeptiert eine Stimme pro Anfrage und bietet weder WebSocket-Streaming noch Sprecher-Arrays, Parameter zur Kontextverknüpfung oder die Erstellung von Stimmklonen. Verwenden Sie die dokumentierten Eingabefelder und fragen Sie die zurückgegebene Task-ID regelmäßig ab, bis das Ergebnis finished oder failed ist.

Warum Sie PoYo für den Zugriff auf die Eleven v4 API verwenden sollten

Eine asynchrone Integration

Verwenden Sie denselben Übermittlungs- und Statusworkflow wie bei anderen PoYo-Modellen. Verfolgen Sie die zurückgegebene Task-ID und rufen Sie fertiggestellte Audiodateien ab, ohne ein separates Anbieterprotokoll integrieren zu müssen.

Zeichenbasierte Abrechnung

Bezahlen Sie für die Zeichen, die Sie übermitteln. Prüfen Sie vor der Ausführung die proportionale Kostenschätzung der Anfrage, ohne Aufrundung auf vollständige Blöcke von 1.000 Zeichen.

Gemeinsame Formular- und JSON-Parameter

Bereiten Sie Anfragen über Formulare oder JSON vor. Beide Methoden verwenden dieselbe Parametervalidierung, dieselben Standardwerte und dieselben Regeln zur Kostenberechnung, sodass Sie problemlos vom Testen zur Integration übergehen können.

Audio- und Zeitstempel-Downloads

Laden Sie das ursprüngliche Audioformat und, sofern verfügbar, eine separate Zeitstempel-JSON-Datei herunter. Übernehmen Sie die resultierenden Dateien direkt in Ihren Bearbeitungs- oder Anwendungsworkflow.