01
用音频标签引导演绎
把演绎方向直接写进 text，让每句台词有自己的表达。Eleven v4 会结合脚本理解音频标签，在相应位置加入轻笑、笑声等自然反应。无论是故事人物还是广告旁白，都能在同一份脚本中安排说什么、如何说。
- 在脚本中直接加入演绎标签
- 控制情绪与自然的人声反应
- 为故事和广告配音增添表现力
elevenlabs-v4-tts
Text to Speech
查看更多 ElevenLabs 模型Eleven v4 是面向情感演绎的多语言语音合成模型，支持用音频标签引导语气、停顿、轻笑等声音表现。通过 PoYo 选择音色、调整声音稳定度与相似度，制作覆盖 90 多种语言的有声书、角色台词、广告和视频旁白。
Examples
定价详情
透明定价，无隐藏费用。按量付费，用多少付多少。
elevenlabs-v4-ttsText to speech
PoYo价格
$0.080
16 积分
官方价格
-
为你节省
-
| 型号 | 规格 | PoYo价格 | 官方价格 | 为你节省 |
|---|---|---|---|---|
| elevenlabs-v4-tts | Text to speech | $0.080 16 积分 per 1000 characters | - | - |
* 实际费用以最终输出为准。
ELEVEN V4
用音频标签引导表达，创作富有情感的多语言语音
Eleven v4 API：自然、富有情感的文本转语音
让角色更鲜明，让故事更有感染力。通过 PoYo 使用 Eleven v4，用音频标签安排轻笑、停顿与情绪变化，选择适合内容的音色，为有声书、广告和视频创作多语言配音。
Eleven v4 API 的核心功能
从台词演绎到多语言旁白，直接聆听脚本如何转为自然语音。
02
生成自然的多语言语音
用听众熟悉的语言传达内容，同时保留自然的节奏和情感。Eleven v4 支持 90 多种语言，可通过 language_code 指定语言，也可留空自动识别。让多语种版本沿用同一套配音流程，便于推进内容本地化。
- 支持 90 多种语言的语音输出
- 按需指定语言或使用自动识别
- 为不同市场制作本地化旁白
03
为旁白选择合适的音色
先选一种适合内容的声音，再安排整段旁白的表达。通过 voice 指定音色，使用 stability 和 similarity_boost 调整输出。为有声书、课程和视频建立可重复使用的配音流程，减少逐次录音与挑选素材的工作。
- 为内容选择适合的音色
- 调整稳定度和音色相似度
- 制作有声书、课程与视频旁白
谁能从 Eleven v4 API 中受益？
01
有声书与故事叙述
使用 Eleven v4 将章节转为富有情感的旁白，为人物台词添加演绎方向。每次请求控制在 5,000 字符以内，在整个制作流程中延续同一音色选择，逐段完成内容。
02
视频旁白
为讲解视频、产品演示和社交内容制作 Eleven v4 配音。修改脚本后直接重新生成，减少安排录音的工作；有可用时间信息时，可请求时间戳辅助音画对齐。
03
广告与营销内容
为新品发布、品牌介绍和广告脚本选择适合的语气。通过 Eleven v4 音频标签安排台词表现，围绕同一音色制作不同文案，让一组营销内容保持统一的声音风格。
04
教育与培训
将课程、教程和培训材料中的书面说明转为清晰的语音。使用 Eleven v4 音色与文本归一化设置，按内容需要处理数字、日期及缩写，方便制作可反复使用的教学素材。
05
内容本地化
使用 Eleven v4 为不同语言的受众制作旁白。提供已本地化的文本，按需指定语言代码，试听确认后发布。模型支持 90 多种语言，便于在同一工作流中推进多个市场的内容。
06
游戏角色配音
通过音频标签和音色选择，为角色台词、任务叙述和场景介绍添加情绪。Eleven v4 每次请求生成一个说话人的音频，再由游戏制作流程编排和组合完成的配音。
如何在 PoYo 上使用 Eleven v4 API
第一步：注册并创建 API Key
登录 PoYo，为应用创建调用密钥。
创建 API Key →
第二步：充值积分
按使用需求充值，并在 Playground 查看每次请求的预估费用。
充值积分 →
第三步：集成异步接口
提交 elevenlabs-v4-tts 请求，保存 task_id，并查询状态以获取音频与可选时间戳文件。
查看 API 文档 →
Eleven v4 API 常见问题
什么是 Eleven v4？
Eleven v4 是 ElevenLabs 面向自然、富有情感表达的文本转语音模型，可理解脚本中的演绎方向，支持 90 多种语言。PoYo 提供单次单音色的异步生成接口，并开放音色设置、音频格式选择和可选时间戳参数。
如何使用音频标签？
在 text 中直接写入 [warm]、[excited] 或 [laughs] 等标签，引导台词的表达方式。标签与需要朗读的文字放在同一份脚本中，不是独立的 API 字段；标签本身的字符也计入长度限制和费用。
支持哪些语言？
Eleven v4 支持 90 多种语言。提供希望输出的语言文本，可选填 language_code，例如 en、zh 或 es；省略该字段时自动识别。涉及人名和专业术语时，建议在发布前试听确认。
PoYo 的单次文本上限是多少？
每次请求最多接受 5,000 个 Unicode 字符，且不能为纯空白。空格、换行和音频标签均包含在字符数内，更长脚本需要拆分为多次请求。Playground 的字符统计和费用预估与后端使用相同规则。
如何计算费用？
费用按实际提交的文本字符数比例计算，每 1,000 字符为 16 credits，即 $0.08；100 字符消耗 1.6 credits。不会向上取整到 1,000 字符的整块。上方定价表展示费率，Playground 会随当前请求实时更新预估。
可以选择哪些音频格式？
output_format 提供 19 个选项，涵盖 MP3、PCM、mu-law、A-law 和 Opus，默认 mp3_44100_128。下载文件保留原始编码。MP3 适合浏览器播放，原始 PCM 和电话音频格式可能需要下载后使用兼容播放器。
可以下载时间戳吗？
将 timestamps 设为 true 可请求时间信息。生成响应包含该信息时，PoYo 会在音频之外提供独立的 JSON 下载文件。若上游没有返回时间数据，成功的音频结果也可能不包含时间戳文件。
这个接口支持流式或创建声音克隆吗？
当前 PoYo 接入使用异步提交和状态查询接口，每次请求接受一个 voice，不开放 WebSocket 流式返回、多说话人数组、上下文拼接参数或创建声音克隆。请按文档传入参数，并查询返回的任务 ID，直至完成或失败。
为什么通过 PoYo 接入 Eleven v4 API
01
统一的异步调用方式
沿用 PoYo 的提交和状态查询流程，通过返回的任务 ID 获取音频结果，减少为不同供应商分别维护调用协议的工作。
02
按实际字符数计费
运行前查看当前文本的比例计费预估，用多少字符付多少费用，不向上取整到 1,000 字符的整块。
03
表单与 JSON 共用参数
通过表单或 JSON 准备请求，两种方式使用相同的参数校验、默认值和计价规则，方便从试用过渡到集成。
04
音频与时间戳独立下载
下载保留原始编码的音频，以及有可用数据时返回的时间戳 JSON，直接衔接剪辑、字幕或应用处理流程。