如何使用 Eleven v3 API:文字转语音接入指南(2026)
Eleven v3 API 接入教程:参数说明、价格与可直接运行的调用代码,先在 Playground 试玩再一行代码接入。
Eleven v3 是一款文字转语音模型(由 ElevenLabs 提供):The most expressive model. Supports 70+ languages. Requires more prompt engineering than our previous models.在 NamiFusion 上可以在 Playground 直接试玩(提交前显示准确报价),再通过统一 REST API 一行代码接入,典型一次调用约 $0.010。
TL;DR
· 任务类型:文字转语音,由 ElevenLabs 提供
· 价格:典型一次约 $0.010($1 = 100 积分),按量计费无订阅
· 上手路径:Playground 试玩(提交前显示报价)→ API Keys 建密钥 → 一个 POST 接入
· 可调参数:4 个(见下方参数表)
· 无平台水印,商用可用(遵守服务条款)
用 Eleven v3 能做什么?
视频配音与旁白:为短视频、课程、广告快速生成多语言人声。
有声内容生产:把文章、新闻、小说批量转成可发布的音频。
产品语音界面:为应用和智能硬件生成一致的品牌语音。
怎么调用这个 API?
1. 在 NamiFusion 注册并在 API Keys 页面创建密钥(注册送免费积分)。
2. 用下面的 cURL 示例提交任务,Header 带上 Bearer 密钥。
3. 用返回的 task_uuid 轮询任务状态,完成后取输出 URL。
# 1) Submit — returns { "task_uuid": "..." }
curl -X POST "https://www.namifusion.com/api/v1/marketplace/run/eleven_v3" \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"input": {
"voice_id": "JBFqnCBsd6RMkjVDRZzb",
"language_code": "en",
"similarity_boost": 0.8,
"stability": 0.55
}
}'
# 2) Poll until status is "completed", then read the output URLs
curl "https://www.namifusion.com/api/v1/marketplace/run/tasks/TASK_UUID" \
-H "Authorization: Bearer YOUR_API_KEY"有哪些参数?
voice_id(声音id):必填
language_code(ISO 639-1语言code):可选
similarity_boost(相似度):可选,默认 0.75
stability(稳定性):可选,默认 0.5
价格是多少?
按次积分计价,典型一次调用约 $0.010($1 = 100 积分),实际价格随参数(分辨率/时长等)变化,Playground 里提交前会显示准确报价。
Eleven v3
高自然度文本转语音模型,以稳定、快速且无冷启动的方式生成富有表现力的语音。
Eleven V3 是 ElevenLabs 提供的高质量文本转语音模型,适合将书面内容转换为自然、清晰且富有情感的语音输出。该模型具备无冷启动、即开即用、价格透明等优势,适用于旁白、播客、数字内容制作等多种场景。
🚀 关键特性
- 高自然度语音合成:生成接近真人的语调、节奏与发音,适合对听感要求较高的内容生产。
- 富有表现力的语音输出:在清晰度与情感表达之间取得良好平衡,适用于解说、叙述和品牌内容。
- 可调节声音一致性:通过 similarity 与 stability 参数控制音色贴合度与表达稳定性。
- Speaker Boost 增强:提升英文数字、时间、计量单位等内容的朗读效果。
- 多语言支持:支持多种语言文本输入,并具备较好的口音适配能力。
- 无冷启动与高可用性:托管式推理服务可快速响应,适合生产环境中的稳定调用。
🛠️ 技术规格
| 项目 | 说明 |
|---|---|
| 模型架构 | 基于深度学习的文本转语音(TTS)模型 |
| 模型名称 | Eleven V3 |
| 输入 | 文本(string)、voice_id(string) |
| 输出 | 音频文件 URL |
| 音频格式 | MP3 |
| 最大文本长度 | 10,000 字符 |
| 计费单位 | 每个字符按 1 token 计,按实际字符数计费 |
| 语音选择 | 支持内置语音库,例如 Alice、George、Lily、Daniel 等 |
| 可调参数 | similarity(0.0–1.0)、stability(0.0–1.0)、use_speaker_boost(boolean) |
| 停顿控制 | 可在词语之间使用 <#x#> 控制停顿时长(0.01–99.99 秒) |
| 多语言能力 | 支持多语言文本生成语音,英文表现最佳 |
| 延迟 | 官方未固定标注;平台提供托管推理,具备无冷启动特性 |
| 最佳实践 | 长文本建议分段生成,以获得更稳定的节奏与表现 |
示例提示词
注:该模型为文本转语音模型,不使用传统意义上的“提示词”与“反向提示词”。以下为可直接输入的示例文本。
Welcome to our advanced text-to-speech system! Experience high-quality voice synthesis with natural pronunciation and clear articulation.The meeting will begin at 9:30 AM <#0.5#> and will cover sales performance, regional forecasts, and next quarter planning.欢迎收听今天的产品介绍。我们将为您带来更自然、更清晰的语音体验。
💰 价格
| 计费项 | 价格 |
|---|---|
| 基础价格 | $0.1 / 1,000 字符 |
FAQ
可以先免费试用吗?+
注册即送积分,但赠送积分目前仅适用于应用内的部分换脸功能;本模型按量积分计费。Playground 仍可无代码试玩,提交前会显示准确报价。
生成内容可以商用吗?有水印吗?+
可以商用,NamiFusion 不给生成结果加平台水印;使用须遵守服务条款与适用法律。
内容政策是什么?+
NamiFusion 是无过滤引擎,不做武断限制、对 NSFW 友好,但禁止违法内容与非自愿的真人素材,详见服务条款。
Eleven v3 的任务要跑多久?+
取决于参数,图像通常数秒到数十秒,视频通常数十秒到几分钟;API 返回 task_uuid 供轮询。
分辨率/时长上限是多少?+
以模型参数表为准:每个模型的可选分辨率、时长档位都在上方参数说明与 Playground 中列出。