ElevenLabs Automation
Automatisieren Sie Ihre ElevenLabs Text-to-Speech-Workflows – wandeln Sie Text in natürliche Sprache um, durchsuchen Sie die Stimmbibliothek, inspizieren Sie Stimmdetails, überprüfen Sie Abonnementguthaben, wählen Sie TTS-Modelle aus, streamen Sie Audio für latenzarme Auslieferung und rufen Sie zuvor generierte Audios aus dem Verlauf ab.
Toolkit-Dokumentation: composio.dev/toolkits/elevenlabs
Einrichtung
- Fügen Sie den Composio MCP-Server zu Ihrem Client hinzu:
https://rube.app/mcp - Verbinden Sie Ihr ElevenLabs-Konto, wenn Sie dazu aufgefordert werden (API-Key-Authentifizierung)
- Beginnen Sie mit den untenstehenden Workflows
Kern-Workflows
1. Sprache aus Text generieren
Verwenden Sie ELEVENLABS_TEXT_TO_SPEECH, um Text in eine herunterladbare Audiodatei umzuwandeln.
Tool: ELEVENLABS_TEXT_TO_SPEECH
Eingaben:
- voice_id: string (erforderlich) – von ELEVENLABS_GET_VOICES abrufbar
- text: string (erforderlich) – max. ~10.000 Zeichen (die meisten Modelle), 30.000 (Flash/Turbo v2), 40.000 (v2.5)
- model_id: string (Standard „eleven_monolingual_v1“) – z.B. „eleven_multilingual_v2“
- output_format: string (Standard „mp3_44100_128“) – siehe Formate unten
- optimize_streaming_latency: integer (0–4; NICHT mit eleven_v3 unterstützt)
- seed: integer (optional, zur Reproduzierbarkeit – nicht garantiert)
- pronunciation_dictionary_locators: array (optional, bis zu 3 Wörterbücher)
Ausgabeformate:
- MP3:
mp3_22050_32,mp3_44100_32,mp3_44100_64,mp3_44100_96,mp3_44100_128,mp3_44100_192(Creator+) - PCM:
pcm_16000,pcm_22050,pcm_24000,pcm_44100(Pro+) - uLaw:
ulaw_8000(für Twilio)
Wichtig: Die Ausgabe ist ein Dateiobjekt mit einem vorab signierten Download-Link unter data.file.s3url (läuft in ca. 1 Stunde ab). Laden Sie die Datei rechtzeitig herunter.
2. Verfügbare Stimmen durchsuchen
Verwenden Sie ELEVENLABS_GET_VOICES, um alle Stimmen mit ihren Attributen und Einstellungen aufzulisten.
Tool: ELEVENLABS_GET_VOICES
Eingaben: (keine)
Gibt ein Array unter data.voices[] mit voice_id, name, labels (Geschlecht, Akzent, Verwendungszweck) und Einstellungen zurück.
3. Eine bestimmte Stimme inspizieren
Verwenden Sie ELEVENLABS_GET_VOICE, um detaillierte Metadaten für eine Kandidatenstimme vor der Synthese zu erhalten.
Tool: ELEVENLABS_GET_VOICE
Eingaben:
- voice_id: string (erforderlich) – z.B. „21m00Tcm4TlvDq8ikWAM“
- with_settings: boolean (Standard false) – detaillierte Stimm-Einstellungen einschließen
4. Abonnement und Guthaben prüfen
Verwenden Sie ELEVENLABS_GET_USER_SUBSCRIPTION_INFO, um die Tariflimits und das verbleibende Guthaben vor der Massengenerierung zu überprüfen.
Tool: ELEVENLABS_GET_USER_SUBSCRIPTION_INFO
Eingaben: (keine)
5. Verfügbare TTS-Modelle auflisten
Verwenden Sie ELEVENLABS_GET_MODELS, um kompatible Modelle zu entdecken und nach can_do_text_to_speech: true zu filtern.
Tool: ELEVENLABS_GET_MODELS
Eingaben: (keine)
6. Audio streamen und Verlauf abrufen
Verwenden Sie ELEVENLABS_TEXT_TO_SPEECH_STREAM für latenzarme gestreamte Auslieferung und ELEVENLABS_GET_AUDIO_FROM_HISTORY_ITEM, um zuvor generierte Audios erneut herunterzuladen.
Tool: ELEVENLABS_TEXT_TO_SPEECH_STREAM
- Gleiche Kerneingaben wie TEXT_TO_SPEECH, gibt jedoch einen Stream für latenzarme Wiedergabe zurück
Tool: ELEVENLABS_GET_AUDIO_FROM_HISTORY_ITEM
- history_item_id: string (erforderlich) – ID aus einer vorherigen Generierung
Bekannte Fallstricke
| Fallstrick | Detail |
|---|---|
| Textlängenbegrenzungen | Die meisten Modelle begrenzen auf ~10.000–20.000 Zeichen pro Anfrage. Zu große Eingaben führen zu HTTP 400. Teilen Sie lange Texte in Blöcke (~5000 Zeichen) auf und generieren Sie pro Block. |
| Ausgabe ist eine vorab signierte URL | ELEVENLABS_TEXT_TO_SPEECH gibt data.file.s3url mit einer ~1-stündigen Gültigkeit zurück (X-Amz-Expires=3600). Laden Sie die Audiodatei rechtzeitig herunter. |
| Kontingent- und Guthabenfehler | HTTP 401 mit quota_exceeded oder HTTP 402 payment_required bedeutet unzureichendes Guthaben oder Tarifeinschränkungen. Überprüfen Sie dies vor Massenaufträgen mit ELEVENLABS_GET_USER_SUBSCRIPTION_INFO. |
| Stimmenberechtigungen | HTTP 401 mit missing_permissions bedeutet, dass dem API-Key der Bereich voices_read fehlt. Überprüfen Sie die Schlüsselberechtigungen. |
| Modellkompatibilität | Nicht alle Modelle unterstützen TTS. Verwenden Sie ELEVENLABS_GET_MODELS und filtern Sie nach can_do_text_to_speech: true. Der Parameter optimize_streaming_latency wird NICHT mit eleven_v3 unterstützt. |
| Abschneiden großer Stimmlisten | ELEVENLABS_GET_VOICES kann eine große Liste zurückgeben. Wählen Sie aus dem vollständigen Payload data.voices[] aus – Vorschauen können abgeschnitten erscheinen. |
Kurzreferenz
| Tool-Slug | Beschreibung |
|---|---|
ELEVENLABS_TEXT_TO_SPEECH | Text in Sprache umwandeln, gibt herunterladbare Audiodatei zurück |
ELEVENLABS_GET_VOICES | Alle verfügbaren Stimmen mit Attributen auflisten |
ELEVENLABS_GET_VOICE | Detaillierte Informationen für eine bestimmte Stimme abrufen |
ELEVENLABS_GET_USER_SUBSCRIPTION_INFO | Abonnementplan und verbleibendes Guthaben prüfen |
ELEVENLABS_GET_MODELS | Verfügbare TTS-Modelle und Fähigkeiten auflisten |
ELEVENLABS_TEXT_TO_SPEECH_STREAM | Audio für latenzarme Auslieferung streamen |
ELEVENLABS_GET_AUDIO_FROM_HISTORY_ITEM | Audio aus dem Generierungsverlauf erneut herunterladen |
Bereitgestellt von Composio