curl --request POST \
--url https://api.vidgo.ai/api/generate/submit \
--header 'Authorization: Bearer <token>' \
--header 'Content-Type: application/json' \
--data '
{
"model": "elevenlabs/tts/eleven-v4-turbo",
"input": {
"text": "Your order has shipped and should arrive on Thursday. Reply STOP to unsubscribe from delivery updates.",
"voice": "Brian"
}
}
'{
"code": 200,
"data": {
"task_id": "task-unified-1762160000-abc123",
"status": "not_started",
"created_time": "2026-11-03T10:30:00"
}
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}Request timeout{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}ElevenLabs
ElevenLabs V4 Turbo TTS
ElevenLabs V4 Turbo TTS API 将最多 5,000 个字符转为语音,支持音频标签、90 多种语言、MP3/PCM/Opus 输出和可选时间戳。
POST
/
api
/
generate
/
submit
curl --request POST \
--url https://api.vidgo.ai/api/generate/submit \
--header 'Authorization: Bearer <token>' \
--header 'Content-Type: application/json' \
--data '
{
"model": "elevenlabs/tts/eleven-v4-turbo",
"input": {
"text": "Your order has shipped and should arrive on Thursday. Reply STOP to unsubscribe from delivery updates.",
"voice": "Brian"
}
}
'{
"code": 200,
"data": {
"task_id": "task-unified-1762160000-abc123",
"status": "not_started",
"created_time": "2026-11-03T10:30:00"
}
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}Request timeout{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}- 提交后会返回
task_id。如果提供了callback_url,当任务状态变为finished或failed时,系统会向callback_url发送 POST 请求。 - 无论是否提供
callback_url,都可以通过统一的查询任务状态接口获取结果。
模型
- elevenlabs/tts/eleven-v4-turbo — Eleven v4 Turbo 文本转语音,速度更快、成本更低的版本。
功能
- 文本转语音(TTS),每次请求最多 5,000 个字符。
- 在
text中使用行内音频标签表达情绪、停顿和非语言声音。 - 可按名称或音色 ID 使用任意 ElevenLabs 音色,并可调整
stability和similarity_boost。 - 支持 90 多种语言,可用
language_code提示语言。 - 19 种输出格式,涵盖 MP3、PCM、μ-law、A-law 和 Opus。
- 可选时间戳,用于字幕和口型同步。
必填参数
text(string):要朗读的文本,1–5,000 个字符,不能为空白。可以使用方括号音频标签,例如[whispers]。
可选参数
voice(string):ElevenLabs 音色名称或音色 ID。默认Rachel。见预设音色。stability(number):0–1。默认0.5。数值越低越有表现力,越高越稳定。similarity_boost(number):0–1。默认0.75。输出贴近所选音色的程度。output_format(string):19 种 MP3、PCM、μ-law、A-law 和 Opus 格式之一。默认mp3_44100_128。见输出格式。apply_text_normalization(string):auto、on或off。默认auto。控制是否把数字、日期和缩写展开为文字。timestamps(boolean):同时返回语音的时间戳数据。默认false。language_code(string):ISO 639-1 语言提示,例如en、zh、ja。省略时由模型自动识别语言。
输出
任务完成后,查询任务状态和回调内容的files 数组中会返回语音音频文件。设置 timestamps: true 时,时间戳数据会作为同一数组中的另一项返回。
输出格式
| 类别 | 取值 |
|---|---|
| MP3 | mp3_22050_32、mp3_44100_32、mp3_44100_64、mp3_44100_96、mp3_44100_128(默认)、mp3_44100_192 |
| PCM | pcm_8000、pcm_16000、pcm_22050、pcm_24000、pcm_44100、pcm_48000 |
| 电话语音 | ulaw_8000、alaw_8000 |
| Opus | opus_48000_32、opus_48000_64、opus_48000_96、opus_48000_128、opus_48000_192 |
pcm_* 适合后续音频处理;ulaw_8000 和 alaw_8000 适合电话系统。
预设音色
voice 可以填该模型可用的任意 ElevenLabs 音色名称或音色 ID。常用名称包括 Aria、Roger、Sarah、Laura、Charlie、George、Callum、River、Liam、Charlotte、Alice、Matilda、Will、Jessica、Eric、Chris、Brian、Daniel、Lily、Bill、Rachel。默认 Rachel。
示例
- 通知播报:一条简短的交易通知,
voice: Brian,使用默认 MP3 输出。 - 法语旁白输出 Opus:
language_code: fr,output_format: opus_48000_64生成体积小的应用音频,并提供callback_url。
注意事项
- 积分在提交时预扣,按发送的
text字符数计算,空格、换行和音频标签都计入。任务失败会全额退还。当前费率见定价页。 - 每次请求的
text最多 5,000 个字符,更长的稿件请拆分为多个任务。 - 本接口每次请求只生成一个音色。不支持多人对话、声音克隆、流式输出、
seed和speed;不支持的字段会返回 400。 - Turbo 的计费低于 ElevenLabs V4 TTS;两者请求体相同,只需修改
model即可切换。
授权
所有 API 接口都需要 Bearer Token 认证
获取 API Key:
进入 仪表盘 → API 密钥(API Key 管理页面)获取你的 API Key
在请求头中添加:
Authorization: Bearer VIDGO_API_KEY
请求体
application/json