elevenlabs-v4-tts

Text to Speech

Eleven v4 to wielojęzyczny model syntezy mowy do ekspresyjnych interpretacji, z tagami audio do sterowania tonem, pauzami, śmiechem i innymi reakcjami głosowymi. W PoYo wybierasz głos i dostosowujesz stabilność oraz podobieństwo, aby tworzyć audiobooki, ekspresyjne kwestie postaci, reklamy i narrację do wideo w ponad 90 językach.

Pobierz klucz API

Dokumentacja API

Input

Text

266/5000

Voice

Stability

Similarity Boost

Output Format

Language Code

Apply Text Normalization

Timestamps

Output

Przykładowy wynik

To przykładowe dane. Wygeneruj nowy wynik, aby zobaczyć prawdziwy rezultat.

ID zadania:example-eleven-v4-defaultUtworzono:2026-10-14T11:11:30

Status:finishedPostęp:100%

Examples

Szczegóły cennika

Płatność za użycie. Bez subskrypcji i ukrytych opłat.

1 kredyt = $0.005

Poziom	Cena PoYo
Tekst na mowę	$0.080/1 tys. znaków Kredyty: 16/1 tys. znaków Znaki (10,000): $0.800

Jak jest rozliczane: Rozliczane za każde 1000 znaków tekstu wejściowego.

Opłaty zależą od końcowego wyniku.

ELEVEN V4

Ekspresyjna wielojęzyczna mowa, reżyserowana tagami audio

API Eleven v4 do naturalnej, ekspresyjnej zamiany tekstu na mowę

Nadaj postaciom wyrazisty głos, a opowieściom więcej emocji. Dzięki Eleven v4 w PoYo reżyserujesz śmiech, pauzy i emocje za pomocą tagów audio, a potem wybierasz głos do wielojęzycznych audiobooków, reklam i narracji do wideo.

Pobierz klucz API

Kluczowe funkcje API Eleven v4

Od interpretacji postaci po wielojęzyczną narrację – posłuchaj, jak skrypty zamieniają się w naturalną mowę.

Ekspresyjna mowa z tagami audio

Nadaj każdej kwestii własny sposób podania, wpisując wskazówki reżyserskie w pole text. Eleven v4 interpretuje tagi audio razem z twoim skryptem i dodaje reakcje, takie jak chichot czy śmiech, tam, gdzie wymaga tego scena. Wnieś charakter do opowieści lub reklamowego lektora, trzymając wypowiadane słowa i wskazówki reżyserskie w jednym miejscu.

Wpisuj wskazówki reżyserskie bezpośrednio w skrypt
Kształtuj emocje i naturalne reakcje głosowe
Twórz ekspresyjne lektory do opowieści i reklam

Naturalna mowa w wielu językach

Dotrzyj do słuchaczy w ich własnym języku dzięki mowie, która zachowuje naturalny rytm i wyrazistość. Eleven v4 obsługuje ponad 90 języków; użyj language_code, aby wskazać język, albo zostaw to pole puste, by włączyć automatyczne wykrywanie. Przygotowuj wersje dla różnych rynków w ramach tego samego workflow narracji.

Twórz mowę w ponad 90 językach
Wskaż język albo użyj automatycznego wykrywania
Dostosuj narrację do odbiorców z różnych rynków

Wybór głosu do narracji

Zacznij od głosu pasującego do skryptu, od ciepłego gawędziarza po wyraźnego instruktora. Ustaw voice dla mówcy, a następnie dostosuj stability i similarity_boost, aby pokierować wynikiem. Zbuduj workflow narracji do audiobooków, lekcji i lektorów wideo, nie nagrywając samodzielnie każdego podejścia.

Wybierz głos pasujący do twoich treści
Dostosuj stabilność i podobieństwo głosu
Twórz narrację do książek, lekcji i filmów

Kto skorzysta z API Eleven v4?

Audiobooki i opowiadanie historii

Zamień rozdziały w ekspresyjną narrację dzięki Eleven v4. Wybierz narratora, dodaj wskazówki do kwestii postaci i generuj każdy fragment w ramach limitu 5000 znaków na żądanie. Zachowaj spójny wybór głosu w całym procesie produkcji.

Lektory do wideo

Twórz lektory do filmów objaśniających, prezentacji produktów i wideo do social mediów z Eleven v4. Poprawiaj skrypt bez umawiania kolejnej sesji nagraniowej, a gdy są dostępne, poproś o opcjonalne znaczniki czasu, które pomogą dopasować mowę do montażu.

Reklama i kampanie

Nadaj tekstom kampanii odpowiedni sposób podania, od energicznej premiery po ciepłe wprowadzenie. Steruj czytaniem za pomocą tagów audio Eleven v4, a potem generuj różne skrypty tym samym wybranym głosem, aby kampania brzmiała spójnie.

Edukacja i szkolenia

Zamieniaj pisane wyjaśnienia w kursach, poradnikach i materiałach szkoleniowych w czystą mowę. Dzięki wyborowi głosu i ustawieniom normalizacji tekstu w Eleven v4 liczby, daty i skróty będą czytane tak, jak trzeba, a ty stworzysz treści edukacyjne do wielokrotnego użycia.

Lokalizacja treści

Twórz narrację dla odbiorców mówiących różnymi językami z Eleven v4. Podaj przetłumaczony tekst i opcjonalny kod języka, a przed publikacją odsłuchaj wynik. Model obsługuje ponad 90 języków, co pasuje do globalnych procesów tworzenia treści.

Głosy postaci w grach

Nadaj poszczególnym kwestiom postaci emocje dzięki tagom audio i wybranemu głosowi. Eleven v4 sprawdza się przy dialogach ze skryptu, narracji zadań i zapowiedziach scen. Generuj jednego mówcę na żądanie i składaj gotowe audio w pipeline produkcji gry.

Jak korzystać z API Eleven v4 w PoYo

Krok 1: zarejestruj się i utwórz klucz API
Zaloguj się do PoYo i utwórz klucz dla swojej aplikacji.
Utwórz klucz API →

Krok 2: dodaj kredyty
Doładuj konto na przewidywane użycie i przed każdym żądaniem sprawdź szacunkowy koszt w narzędziu Playground.
Dodaj kredyty →

Krok 3: zintegruj asynchroniczne API
Wyślij żądanie elevenlabs-v4-tts, zapisz task_id i odpytuj o pliki audio oraz opcjonalne pliki ze znacznikami czasu.
Przeczytaj dokumentację API →

Najczęstsze pytania o API Eleven v4

Czym jest Eleven v4?

Eleven v4 to model zamiany tekstu na mowę od ElevenLabs, stworzony z myślą o naturalnej, ekspresyjnej mowie. Interpretuje wskazówki dotyczące sposobu podania zawarte w skrypcie i obsługuje ponad 90 języków. PoYo udostępnia asynchroniczne API do generowania jednego mówcy na żądanie, z ustawieniami głosu, wyborem formatu audio i opcjonalnymi znacznikami czasu.

Jak działają tagi audio?

Wpisuj tagi audio bezpośrednio w polu text, aby sterować sposobem podania, na przykład [warm], [excited] lub [laughs]. Wypowiadane słowa trzymaj w tym samym skrypcie. Tagi są interpretowane przez model, a nie traktowane jako osobne pola API, a ich znaki wliczają się do długości żądania i rozliczenia.

Jakich języków mogę używać?

Eleven v4 obsługuje ponad 90 języków. Wyślij tekst w języku, który chcesz usłyszeć, i opcjonalnie ustaw language_code, na przykład en, zh lub es. Pomiń to pole, aby użyć automatycznego wykrywania. Przed publikacją gotowego audio odsłuchaj nazwy własne i terminy specjalistyczne.

Jaki jest limit tekstu w PoYo?

Każde żądanie w PoYo przyjmuje do 5000 znaków Unicode i nie może być puste. Do limitu wliczają się spacje, znaki nowej linii i tagi audio. Dłuższe skrypty wymagają osobnych żądań. Licznik znaków i szacunek kosztu w narzędziu Playground stosują tę samą regułę liczenia znaków co backend.

Jak naliczane jest użycie?

Użycie jest proporcjonalne do liczby znaków w przesłanym tekście. Stawka to 16 kredytów, czyli $0.08, za 1000 znaków; żądanie ze 100 znakami zużywa 1,6 kredytu. Żądania nie są zaokrąglane w górę do bloków po 1000 znaków. Zobacz tabelę cen powyżej i aktualny szacunek w narzędziu Playground.

Jakie formaty audio są dostępne?

Do wyboru jest 19 wartości output_format obejmujących MP3, PCM, mu-law, A-law i Opus. Domyślna to mp3_44100_128. Wygenerowane pliki zachowują swoje kodowanie audio. MP3 jest wygodny do odtwarzania w przeglądarce; surowe PCM i formaty telefoniczne mogą po pobraniu wymagać zgodnego odtwarzacza.

Czy mogę pobrać znaczniki czasu?

Ustaw timestamps na true, aby poprosić o informacje o czasie. Gdy generowanie zwróci takie dane, PoYo udostępni osobny plik JSON obok pobieranego audio. Udany wynik audio może nie mieć pliku ze znacznikami czasu, jeśli odpowiedź źródłowa nie zawiera danych czasowych.

Czy to API oferuje tryb streaming lub klonowanie głosu?

Ta integracja PoYo korzysta z asynchronicznych endpointów wysyłania i sprawdzania statusu. Przyjmuje jeden głos na żądanie i nie udostępnia trybu streaming przez WebSocket, tablic mówców, parametrów łączenia kontekstu ani tworzenia klonów głosu. Korzystaj z opisanych pól wejściowych i odpytuj o zwrócone ID zadania, aż wynik będzie gotowy lub zakończy się niepowodzeniem.

Dlaczego warto korzystać z PoYo, by uzyskać dostęp do API Eleven v4

Jedna integracja asynchroniczna

Korzystaj z tego samego procesu wysyłania i sprawdzania statusu co w innych modelach PoYo. Śledź zwrócone ID zadania i odbieraj gotowe audio bez integrowania osobnego protokołu dostawcy.

Rozliczenie według znaków

Płacisz za przesłane znaki. Przed uruchomieniem sprawdź proporcjonalny szacunek żądania – bez zaokrąglania do pełnych bloków po 1000 znaków.

Wspólne parametry formularza i JSON

Przygotowuj żądania w formularzu lub w JSON. Obie metody stosują te same reguły walidacji parametrów, wartości domyślne i zasady obliczania kosztów, więc łatwo przejść od testów do integracji.

Pobieranie audio i danych czasowych

Pobieraj audio w oryginalnym formacie oraz osobny plik JSON ze znacznikami czasu, gdy jest dostępny. Przenoś gotowe pliki prosto do swojego procesu montażu lub do aplikacji.