ElevenLabs 文本转语音
通过 inference.sh CLI 提供 22+ 种优质语音的文本转语音能力。

快速开始
需要 inference.sh CLI(
belt)。安装说明
belt login
# 使用 ElevenLabs 生成语音
belt app run elevenlabs/tts --input '{"text": "你好,欢迎来到我们的产品演示。", "voice": "aria"}'
可用模型
| 模型 | ID | 适用场景 | 延迟 |
|---|---|---|---|
| 多语言 v2 | eleven_multilingual_v2 | 最高质量,支持 32 种语言 | ~250ms |
| Turbo v2.5 | eleven_turbo_v2_5 | 速度与质量的平衡 | ~150ms |
| Flash v2.5 | eleven_flash_v2_5 | 超低延迟 | ~75ms |
语音库
女声
| 语音 | 风格 |
|---|---|
aria | 美式英语,对话式 |
alice | 英式英语,自信 |
bella | 美式英语,温暖 |
jessica | 美式英语,富有表现力 |
laura | 美式英语,专业 |
lily | 英式英语,柔和 |
sarah | 美式英语,友好 |
男声
| 语音 | 风格 |
|---|---|
george | 英式英语,权威 |
adam | 美式英语,低沉 |
bill | 美式英语,成熟 |
brian | 美式英语,对话式 |
callum | 跨大西洋,强烈 |
charlie | 澳大利亚英语,自然 |
chris | 美式英语,随意 |
daniel | 英式英语,命令感 |
eric | 美式英语,友好 |
harry | 美式英语,年轻 |
liam | 美式英语,清晰 |
matilda | 美式英语,温暖 |
river | 美式英语,自信 |
roger | 美式英语,权威 |
will | 美式英语,明亮 |
示例
基本语音
belt app run elevenlabs/tts --input '{"text": "欢迎参加我们的季度财报演示。", "voice": "george"}'
选择模型
# 最高质量
belt app run elevenlabs/tts --input '{
"text": "这是我们质量最佳的优质多语言模型。",
"voice": "aria",
"model": "eleven_multilingual_v2"
}'
# 超快速,适用于实时应用
belt app run elevenlabs/tts --input '{
"text": "适用于低延迟应用的 Flash 模型。",
"voice": "brian",
"model": "eleven_flash_v2_5"
}'
语音调优
belt app run elevenlabs/tts --input '{
"text": "针对你的使用场景微调语音特征。",
"voice": "bella",
"stability": 0.3,
"similarity_boost": 0.9,
"style": 0.4
}'
| 参数 | 范围 | 效果 |
|---|---|---|
stability | 0-1 | 越高越稳定,越低越富有表现力 |
similarity_boost | 0-1 | 越高越接近原始语音特征 |
style | 0-1 | 越高风格夸张程度越大 |
use_speaker_boost | true/false | 增强说话人清晰度 |
输出格式
# 高质量 MP3
belt app run elevenlabs/tts --input '{
"text": "高质量音频输出。",
"voice": "daniel",
"output_format": "mp3_44100_192"
}'
| 格式 | 描述 |
|---|---|
mp3_44100_128 | MP3 44.1kHz, 128kbps(默认) |
mp3_44100_192 | MP3 44.1kHz, 192kbps |
pcm_16000 | 原始 PCM 16kHz |
pcm_22050 | 原始 PCM 22.05kHz |
pcm_24000 | 原始 PCM 24kHz |
pcm_44100 | 原始 PCM 44.1kHz |
多语言
ElevenLabs 支持 32 种语言,包括英语、西班牙语、法语、德语、意大利语、葡萄牙语、中文、日语、韩语、阿拉伯语、印地语、俄语等。
# 西班牙语
belt app run elevenlabs/tts --input '{
"text": "Hola, bienvenidos a nuestra presentación.",
"voice": "aria",
"model": "eleven_multilingual_v2"
}'
# 法语
belt app run elevenlabs/tts --input '{
"text": "Bonjour, bienvenue à notre démonstration.",
"voice": "alice",
"model": "eleven_multilingual_v2"
}'
语音 + 视频工作流
# 1. 生成旁白
belt app run elevenlabs/tts --input '{
"text": "介绍 AI 驱动内容创作的全新未来。",
"voice": "george"
}' > voiceover.json
# 2. 创建数字人头视频
belt app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://portrait.jpg",
"audio_url": "<上一阶段的音频 URL>"
}'
使用场景
- 配音:产品演示、解说视频、广告
- 有声书:长篇幅叙述,声音一致
- 播客:自然流畅的 AI 主持人
- 电子学习:多语言课程旁白
- 无障碍:高质量的屏幕阅读器内容
- IVR:专业的电话系统语音
- 视频旁白:纪录片和社交媒体内容
相关技能
# ElevenLabs 多说话人对话
npx skills add inference-sh/skills@elevenlabs-dialogue
# ElevenLabs 语音变声器
npx skills add inference-sh/skills@elevenlabs-voice-changer
# ElevenLabs 音效
npx skills add inference-sh/skills@elevenlabs-sound-effects
# 所有 TTS 模型(Kokoro, DIA, Chatterbox 等)
npx skills add inference-sh/skills@text-to-speech
# 全平台技能(所有 250+ 个应用)
npx skills add inference-sh/skills@infsh-cli
浏览所有音频应用:belt app list --category audio