Communitygithub.com

ElevenLabs Text-to-Speech

Conversión de texto a voz premium con más de 22 voces, soporte multilingüe y ajuste de voz a través de la CLI de inference.sh.

¿Qué es ElevenLabs Text-to-Speech?

Esta habilidad permite a los agentes de IA generar voz sintética de alta calidad utilizando la tecnología de ElevenLabs. Soporta más de 22 voces premium, 32 idiomas y tres modelos con diferentes equilibrios entre latencia y calidad: eleven_multilingual_v2 (máxima calidad), eleven_turbo_v2_5 (rendimiento equilibrado) y eleven_flash_v2_5 (ultrarrápido). Los usuarios pueden controlar la estabilidad, el estilo y la similitud de la voz, así como elegir entre varios formatos de salida (MP3 o PCM). Es ideal para locuciones, audiolibros, narración de videos, podcasts, accesibilidad y sistemas IVR. La habilidad se ejecuta a través de la CLI 'belt' de inference.sh y se integra fácilmente con otras habilidades, como la generación de videos con avatar parlante.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Aadi-110i/PEP-PROJECT/tree/HEAD/skills/elevenlabs-tts

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Vista previa

Del README del skill

ElevenLabs TTS

Documentación

¿Qué hace ElevenLabs Text-to-Speech?

Conversión de texto a voz premium con más de 22 voces a través de la CLI de inference.sh.

ElevenLabs TTS

Inicio rápido

Requiere la CLI de inference.sh (belt). Instrucciones de instalación

belt login

# Generar voz con ElevenLabs
belt app run elevenlabs/tts --input '{"text": "Hola, bienvenido a nuestra demostración del producto.", "voice": "aria"}'

Modelos disponibles

ModeloIDMejor paraLatencia
Multilingual v2eleven_multilingual_v2Máxima calidad, 32 idiomas~250ms
Turbo v2.5eleven_turbo_v2_5Equilibrio entre velocidad y calidad~150ms
Flash v2.5eleven_flash_v2_5Latencia ultra baja~75ms

Biblioteca de voces

Voces femeninas

VozEstilo
ariaEstadounidense, conversacional
aliceBritánica, segura
bellaEstadounidense, cálida
jessicaEstadounidense, expresiva
lauraEstadounidense, profesional
lilyBritánica, suave
sarahEstadounidense, amigable

Voces masculinas

VozEstilo
georgeBritánica, autoritaria
adamEstadounidense, profunda
billEstadounidense, madura
brianEstadounidense, conversacional
callumTransatlántica, intensa
charlieAustraliana, natural
chrisEstadounidense, casual
danielBritánica, imponente
ericEstadounidense, amigable
harryEstadounidense, joven
liamEstadounidense, articulada
matildaEstadounidense, cálida
riverEstadounidense, segura
rogerEstadounidense, autoritaria
willEstadounidense, brillante

Ejemplos

Voz básica

belt app run elevenlabs/tts --input '{"text": "Bienvenidos a nuestra presentación de resultados trimestrales.", "voice": "george"}'

Elegir un modelo

# Máxima calidad
belt app run elevenlabs/tts --input '{
  "text": "Este es nuestro modelo multilingüe premium con la mejor calidad.",
  "voice": "aria",
  "model": "eleven_multilingual_v2"
}'

# Ultra rápido para aplicaciones en tiempo real
belt app run elevenlabs/tts --input '{
  "text": "Modelo Flash para aplicaciones de baja latencia.",
  "voice": "brian",
  "model": "eleven_flash_v2_5"
}'

Ajuste de voz

belt app run elevenlabs/tts --input '{
  "text": "Ajusta las características de la voz para tu caso de uso.",
  "voice": "bella",
  "stability": 0.3,
  "similarity_boost": 0.9,
  "style": 0.4
}'
ParámetroRangoEfecto
stability0-1Mayor = más consistente, menor = más expresivo
similarity_boost0-1Mayor = más cercano al carácter original de la voz
style0-1Mayor = más exageración del estilo
use_speaker_boosttrue/falseMejora la claridad del hablante

Formatos de salida

# MP3 de alta calidad
belt app run elevenlabs/tts --input '{
  "text": "Salida de audio de alta calidad.",
  "voice": "daniel",
  "output_format": "mp3_44100_192"
}'
FormatoDescripción
mp3_44100_128MP3 a 44.1kHz, 128kbps (predeterminado)
mp3_44100_192MP3 a 44.1kHz, 192kbps
pcm_16000PCM puro a 16kHz
pcm_22050PCM puro a 22.05kHz
pcm_24000PCM puro a 24kHz
pcm_44100PCM puro a 44.1kHz

Multilingüe

ElevenLabs admite 32 idiomas, incluidos inglés, español, francés, alemán, italiano, portugués, chino, japonés, coreano, árabe, hindi, ruso y más.

# Español
belt app run elevenlabs/tts --input '{
  "text": "Hola, bienvenidos a nuestra presentación.",
  "voice": "aria",
  "model": "eleven_multilingual_v2"
}'

# Francés
belt app run elevenlabs/tts --input '{
  "text": "Bonjour, bienvenue à notre démonstration.",
  "voice": "alice",
  "model": "eleven_multilingual_v2"
}'

Flujo de trabajo de voz + video

# 1. Generar locución
belt app run elevenlabs/tts --input '{
  "text": "Presentamos el futuro de la creación de contenido impulsada por IA.",
  "voice": "george"
}' > voiceover.json

# 2. Crear video con avatar parlante
belt app run bytedance/omnihuman-1-5 --input '{
  "image_url": "https://portrait.jpg",
  "audio_url": "<audio-url-from-step-1>"
}'

Casos de uso

  • Locuciones: Demostraciones de productos, videos explicativos, comerciales
  • Audiolibros: Narración de formato largo con voces consistentes
  • Podcasts: Anfitriones de IA con entrega natural
  • E-learning: Narración de cursos en varios idiomas
  • Accesibilidad: Contenido de lectores de pantalla de alta calidad
  • IVR: Mensajes profesionales para sistemas telefónicos
  • Narración de video: Contenido documental y de redes sociales

Habilidades relacionadas

# Diálogo multihablante de ElevenLabs
npx skills add inference-sh/skills@elevenlabs-dialogue

# Cambiador de voz de ElevenLabs
npx skills add inference-sh/skills@elevenlabs-voice-changer

# Efectos de sonido de ElevenLabs
npx skills add inference-sh/skills@elevenlabs-sound-effects

# Todos los modelos TTS (Kokoro, DIA, Chatterbox y más)
npx skills add inference-sh/skills@text-to-speech

# Habilidad completa de la plataforma (más de 250 aplicaciones)
npx skills add inference-sh/skills@infsh-cli

Explora todas las aplicaciones de audio: belt app list --category audio

Individual skills in this repo

This repo contains 13 individual skills — each has its own dedicated page.

Aadi-110i/PEP-PROJECT

Create AI avatar and talking head videos via inference.sh CLI. Recommended: P-Video-Avatar (fastest, cheapest, built-in TTS). Also: OmniHuman, Fabric, PixVerse. Capabilities: audio-driven avatars, text-to-avatar, lipsync videos, talking head generation, virtual presenters. Use for: AI presenters, explainer videos, virtual influencers, dubbing, marketing videos. Triggers: ai avatar, talking head, lipsync, avatar video, virtual presenter, ai spokesperson, audio driven video, heygen alternative, synthesia alternative, talking avatar, lip sync, video avatar, ai presenter, digital human

Aadi-110i/PEP-PROJECT

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awareness. Triggers: marketing video, ad video, promo video, commercial, brand video, product video, explainer video, ad creative, video ad, facebook ad video, youtube ad, instagram ad, tiktok ad, promotional video, launch video

Aadi-110i/PEP-PROJECT

Generate AI videos with Google Veo, Seedance 2.0, HappyHorse, Wan, Grok and 40+ models via inference.sh CLI. Models: Veo 3.1, Veo 3, Seedance 2.0, HappyHorse 1.0, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Capabilities: text-to-video, image-to-video, reference-to-video, video editing, lipsync, avatar animation, video upscaling, foley sound. Use for: social media videos, marketing content, explainer videos, product demos, AI avatars. Triggers: video generation, ai video, text to video, image to video, veo, animate image, video from image, ai animation, video generator, generate video, t2v, i2v, ai video maker, create video with ai, runway alternative, pika alternative, sora alternative, kling alternative, seedance, happyhorse

Aadi-110i/PEP-PROJECT

Explainer video production guide: scripting, voiceover, visuals, and assembly. Covers script formulas, pacing rules, scene planning, and multi-tool pipelines. Use for: product demos, how-it-works videos, onboarding videos, social explainers. Triggers: explainer video, how to make explainer, product video, demo video, video production, video script, animated explainer, product demo video, tutorial video, onboarding video, walkthrough video, video pipeline

Aadi-110i/PEP-PROJECT

Still-to-video conversion guide: model selection, motion prompting, and camera movement. Covers Wan 2.5 i2v, Seedance, Fabric, Grok Video with when to use each. Use for: animating images, creating video from stills, adding motion, product animations. Triggers: image to video, i2v, animate image, still to video, add motion to image, image animation, photo to video, animate still, wan i2v, image2video, bring image to life, animate photo, motion from image

Aadi-110i/PEP-PROJECT

Landing page conversion optimization with layout rules, hero section design, and CTA psychology. Covers above-the-fold formula, social proof placement, mobile design, and F-pattern reading. Use for: startup landing pages, product pages, SaaS marketing, conversion optimization. Triggers: landing page, hero section, above the fold, conversion optimization, landing page design, cta button, hero image, landing page layout, saas landing page, product page design, conversion rate, landing page best practices

Aadi-110i/PEP-PROJECT

Generate talking head avatar videos with Pruna P-Video-Avatar via inference.sh CLI. Turn a portrait image into a realistic speaking video with built-in TTS. 18x faster and 6x cheaper than competitors. Models: P-Video-Avatar, P-Image (for portrait generation). Capabilities: text-to-avatar, audio-driven avatars, 30 voices, 10 languages, 720p/1080p, built-in TTS, dynamic backgrounds, full-body control. Use for: AI presenters, product demos, explainer videos, virtual influencers, marketing, education, multilingual content, UGC, gaming avatars. Triggers: avatar video, talking head, ai avatar, p-video-avatar, pruna avatar, video avatar, ai presenter, digital human, virtual presenter, lipsync, talking avatar, ai spokesperson, heygen alternative, synthesia alternative, veed alternative, fabric alternative, omnihuman alternative

Aadi-110i/PEP-PROJECT

Generate videos with Pruna P-Video and WAN models via inference.sh CLI. Models: P-Video, WAN-T2V, WAN-I2V. Capabilities: text-to-video, image-to-video, audio support, 720p/1080p, fast inference. Pruna optimizes models for speed without quality loss. Triggers: pruna video, p-video, pruna ai video, fast video generation, optimized video, wan t2v, wan i2v, economic video generation, cheap video generation, pruna text to video, pruna image to video

Aadi-110i/PEP-PROJECT

Render videos from React/Remotion component code via inference.sh. Pass TSX code, get MP4. Supports all Remotion APIs: useCurrentFrame, useVideoConfig, spring, interpolate, AbsoluteFill, Sequence. Configurable resolution, FPS, duration, codec. Use for: programmatic video generation, animated graphics, motion design, data-driven videos, React animations to video. Triggers: remotion, render video from code, tsx to video, react video, programmatic video, remotion render, code to video, animated video, motion graphics code, react animation video

Aadi-110i/PEP-PROJECT

Three.js animation - keyframe animation, skeletal animation, morph targets, animation mixing. Use when animating objects, playing GLTF animations, creating procedural motion, or blending animations.

Aadi-110i/PEP-PROJECT

Video ad creation with exact platform-specific specs for TikTok, Instagram, YouTube, Facebook, LinkedIn. Covers dimensions, duration limits, AIDA framework, and caption requirements. Use for: video ads, social media ads, paid media creative, video marketing, ad production. Triggers: video ad, social media ad, tiktok ad, instagram ad, youtube ad, facebook ad, linkedin ad, video creative, ad specs, paid media, video marketing, ad production, reels ad, stories ad, pre roll, bumper ad

Aadi-110i/PEP-PROJECT

Best practices and techniques for writing effective AI video generation prompts. Covers: Veo, Seedance, Wan, Grok, Kling, Runway, Pika, Sora prompting strategies. Learn: shot types, camera movements, lighting, pacing, style keywords, negative prompts. Use for: improving video quality, getting consistent results, professional video prompts. Triggers: video prompt, how to prompt video, veo prompts, video generation tips, better ai video, video prompt engineering, video prompt guide, video prompt template, ai video tips, video prompt best practices, video prompt examples, cinematography prompts

Aadi-110i/PEP-PROJECT

YouTube thumbnail design with specific dimensions, contrast rules, and mobile preview optimization. Covers safe zones, text placement, face expression psychology, and A/B testing. Use for: YouTube thumbnails, video cover images, click-through optimization. Triggers: youtube thumbnail, thumbnail design, video thumbnail, click through rate, ctr optimization, youtube cover, video cover image, thumbnail maker, thumbnail tips, youtube design, video preview image

Skills relacionados