elevenlabs-v4-tts

Text to Speech

Eleven v4 es un modelo multilingüe de síntesis de voz para interpretaciones expresivas, con etiquetas de audio para indicar el tono, las pausas, la risa y otras reacciones vocales. En PoYo, elige una voz y ajusta la estabilidad y la similitud para crear audiolibros, frases expresivas de personajes, anuncios y narraciones de video en más de 90 idiomas.

Obtener clave API

Documentación API

Input

Text

266/5000

Voice

Stability

Similarity Boost

Output Format

Language Code

Apply Text Normalization

Timestamps

Output

Salida de ejemplo

Estos son datos de muestra. Genere un nuevo resultado para ver el resultado real.

ID de tarea:example-eleven-v4-defaultCreado:2026-10-14T11:11:30

Estado:finishedProgreso:100%

Examples

Detalles de precios

Precios transparentes sin tarifas ocultas. Pague solo por lo que use.

elevenlabs-v4-tts

Text to speech

Precio de PoYo

$0.080

16 créditos

Precio oficial

Ahorras

Modelo	Especificación	Precio de PoYo	Precio oficial	Ahorras
elevenlabs-v4-tts	Text to speech	$0.080 16 créditos per 1000 characters	-	-

* Las tarifas reales se basan en el resultado final.

ELEVEN V4

Voz multilingüe expresiva, dirigida mediante etiquetas de audio

API de Eleven v4 para texto a voz natural y expresivo

Dales a los personajes una voz propia y a las historias más emoción. Con Eleven v4 en PoYo, dirige la risa, las pausas y las emociones mediante etiquetas de audio y, después, elige una voz para audiolibros multilingües, anuncios y narraciones de video.

Obtener clave de API

Funciones principales de la API Eleven v4

Desde interpretaciones de personajes hasta narraciones multilingües, escucha cómo los guiones se convierten en voz natural.

Voz expresiva con etiquetas de audio

Asigna a cada línea su propia interpretación escribiendo las indicaciones en text. Eleven v4 interpreta las etiquetas de audio junto con tu guion, añadiendo reacciones como risitas y carcajadas cuando la escena lo requiere. Aporta personalidad a una historia o a una locución publicitaria mientras mantienes juntas las palabras habladas y las indicaciones de interpretación.

Escribe las indicaciones directamente en el guion
Da forma a la emoción y a las reacciones vocales naturales
Crea locuciones expresivas para historias y publicidad

Voz natural en distintos idiomas

Llega a los oyentes en su propio idioma con una voz que conserva el ritmo y la expresión naturales. Eleven v4 admite más de 90 idiomas; usa language_code para especificar un idioma o déjalo sin configurar para la detección automática. Produce versiones para distintos mercados dentro del mismo flujo de trabajo de narración.

Crea voz en más de 90 idiomas
Especifica un idioma o usa la detección automática
Adapta la narración para audiencias de distintos mercados

Selección de voz para narración

Comienza con una voz que se adapte a tu guion, desde un narrador cálido hasta un explicador claro. Configura voice para el hablante y después ajusta stability y similarity_boost para guiar la salida. Crea un flujo de trabajo de narración para audiolibros, lecciones y locuciones de vídeo sin grabar cada toma tú mismo.

Elige una voz para tu contenido
Ajusta la estabilidad y la similitud de voz
Produce narración para libros, lecciones y vídeos

¿Quién puede beneficiarse de la API Eleven v4?

Audiolibros y narración de historias

Convierte capítulos en una narración expresiva con Eleven v4. Elige un narrador, añade indicaciones a las líneas de los personajes y genera cada pasaje dentro del límite de solicitud de 5.000 caracteres. Mantén una elección de voz coherente durante todo tu flujo de trabajo de producción.

Locuciones para vídeos

Crea locuciones para explicaciones, recorridos de productos y vídeos sociales con Eleven v4. Revisa el guion sin programar otra sesión de grabación y solicita marcas de tiempo opcionales cuando estén disponibles para ayudar a alinear el habla con la edición.

Publicidad y campañas

Dale al texto de la campaña una entrega adecuada, desde un lanzamiento enérgico hasta una introducción cálida. Usa las etiquetas de audio de Eleven v4 para dirigir la lectura y después produce diferentes guiones con la misma voz seleccionada para un sonido de campaña coherente.

Educación y formación

Convierte explicaciones escritas de cursos, tutoriales y materiales de formación en un habla clara. Usa la selección de voz de Eleven v4 y la configuración de normalización de texto para gestionar números, fechas y abreviaturas según sea necesario, creando contenido educativo reutilizable.

Localización de contenido

Produce narración para audiencias en diferentes idiomas con Eleven v4. Proporciona el texto localizado y el código de idioma opcional, después escucha el resultado antes de publicarlo. El modelo admite más de 90 idiomas para flujos de trabajo de contenido globales.

Locuciones de personajes de videojuegos

Dale emoción a las líneas de personajes individuales mediante etiquetas de audio y una voz elegida. Eleven v4 se adapta a diálogos con guion, narración de misiones e introducciones de escenas. Genera un hablante por solicitud y ensambla el audio completado en tu canal de producción de videojuegos.

Cómo usar la API de Eleven v4 en PoYo

Paso 1: Registrarse y crear una clave API
Inicia sesión en PoYo y crea una clave para tu aplicación.
Crear clave API →

Paso 2: Añadir créditos
Recarga según el uso esperado y consulta la estimación del Playground antes de cada solicitud.
Añadir créditos →

Paso 3: Integrar la API asíncrona
Envía una solicitud elevenlabs-v4-tts, guarda task_id y consulta periódicamente los archivos de audio y marcas de tiempo opcionales.
Leer la documentación de la API →

Preguntas frecuentes sobre la API de Eleven v4

¿Qué es Eleven v4?

Eleven v4 es un modelo de texto a voz de ElevenLabs diseñado para generar voz natural y expresiva. Interpreta las indicaciones de entrega en tu guion y admite más de 90 idiomas. PoYo proporciona una API asíncrona para generar un hablante por solicitud, con ajustes de voz, selección de formato de audio y marcas de tiempo opcionales.

¿Cómo funcionan las etiquetas de audio?

Escribe etiquetas de audio directamente dentro del texto para guiar la entrega, como [warm], [excited] o [laughs]. Mantén las palabras habladas en el mismo guion. Las etiquetas son interpretadas por el modelo en lugar de tratarse como campos de API independientes, y sus caracteres cuentan para la longitud de la solicitud y la facturación.

¿Qué idiomas puedo usar?

Eleven v4 admite más de 90 idiomas. Envía el texto en el idioma que quieres escuchar y, opcionalmente, establece language_code, por ejemplo en, zh o es. Omite el campo para usar la detección automática. Escucha los nombres y términos especializados antes de publicar el audio completado.

¿Cuál es el límite de texto en PoYo?

Cada solicitud de PoYo acepta hasta 5,000 caracteres Unicode y no puede estar vacía. Los espacios, saltos de línea y etiquetas de audio están incluidos en ese conteo. Los guiones más largos requieren solicitudes separadas. El contador de caracteres y la estimación de costes del Playground utilizan la misma regla de conteo de caracteres que el backend.

¿Cómo se factura el uso?

El uso es proporcional al número de caracteres del texto enviado. La tarifa es de 16 créditos, o $0.08, por 1,000 caracteres; una solicitud de 100 caracteres utiliza 1.6 créditos. Las solicitudes no se redondean a bloques de 1,000 caracteres. Consulta la tabla de precios anterior y la estimación en tiempo real del Playground.

¿Qué formatos de audio están disponibles?

Elige entre 19 valores de output_format que cubren MP3, PCM, mu-law, A-law y Opus. El valor predeterminado es mp3_44100_128. Los archivos generados conservan su codificación de audio. MP3 es conveniente para la reproducción en navegadores; los formatos PCM sin procesar y de telefonía pueden necesitar un reproductor compatible después de la descarga.

¿Puedo descargar marcas de tiempo?

Establezca timestamps en true para solicitar información de temporización. Cuando la generación devuelve esa información, PoYo proporciona un archivo JSON independiente junto con la descarga de audio. Un resultado de audio exitoso puede no tener un archivo de timestamps si la respuesta ascendente no incluye datos de temporización.

¿Esta API expone streaming o clonación de voz?

Esta integración de PoYo utiliza endpoints asíncronos de envío y estado. Acepta una voz por solicitud y no expone streaming mediante WebSocket, matrices de speakers, parámetros de context-stitching ni creación de voice-clone. Use los campos de entrada documentados y consulte el task ID devuelto hasta que el resultado sea finished o failed.

Por qué usar PoYo para acceder a la API de Eleven v4

Una integración asíncrona

Use el mismo flujo de envío y estado que otros modelos de PoYo. Realice el seguimiento del task ID devuelto y recopile el audio completado sin integrar un protocolo de proveedor independiente.

Facturación basada en caracteres

Pague por los caracteres que envíe. Compruebe la estimación proporcional de la solicitud antes de ejecutarla, sin redondear a bloques completos de 1,000 caracteres.

Parámetros compartidos de formulario y JSON

Prepare solicitudes mediante formularios o JSON. Ambos métodos utilizan la misma validación de parámetros, valores predeterminados y reglas de cálculo de costes, lo que facilita pasar de las pruebas a la integración.

Descargas de audio y temporización

Descargue el formato de audio original y un JSON de timestamps independiente cuando esté disponible. Mueva los archivos resultantes directamente a su flujo de edición o aplicación.