Ir al contenido principal

elevenlabs/v4/text-to-speech

Eleven v4 es el modelo de texto a voz de ElevenLabs que convierte un guion en audio de un hablante. Este endpoint combina voces predefinidas con controles de idioma, interpretación y exportación.

Desde $0.096/1.000 caracteres

Playground

Entrada

Texto a voz
126/10000
Proporciona el guion hablado en este campo obligatorio, con un máximo de 10.000 caracteres. Las indicaciones entre corchetes, como [whispers], van junto a las palabras cuya interpretación deben orientar. mínimo 1 caracteres · máximo 10000 caracteres

126 caracteres

Elige entre 21 voces predefinidas; Roger está seleccionado de forma predeterminada. Prueba el mismo pasaje con Daniel, Sarah o Lily antes de decidir el elenco.
Filtro de seguridadDesactivado

SpicyAPI no ejecuta ningún filtro de seguridad en este modelo. Tu prompt y tus medios llegan al modelo tal como los escribes, y el propio modelo decide el resultado.

Comprobando tu cuenta antes de habilitar el envío y el cálculo de precios.

Salida

Listo para una nueva ejecución
Resultado de ejemplo
0:00 / –:––

Modelos relacionados y tareas siguientes

¿No está el modelo que buscas?

API DE TEXTO A VOZ

Dirige la interpretación de un guion terminado con una voz predefinida e indicaciones de audio dentro del texto.

Cifras clave

Caracteres en el texto
10.000
Voces predefinidas
21
Códigos de idioma
91
Muestra con Daniel
5,17 s

Antes de gastar

Todos los modos

Utiliza guiones y voces que tengas derecho a usar y no suplantes a personas reales. Nuestra muestra del 13 de noviembre de 2026 midió una grabación breve en inglés; no verifica todos los idiomas, voces ni narraciones completas.

Texto a voz

Cada solicitud de Eleven v4 admite hasta 10.000 caracteres en text y utiliza una de las 21 voces predefinidas. Este endpoint no ofrece entrada de diálogo con varios hablantes ni identificadores de voces personalizadas; clone_strength no afecta a su elenco predefinido.

Lo que hace el modelo

Dirección de la interpretación

Coloca la indicación junto a la frase

Eleven v4 acepta etiquetas de audio entre corchetes dentro de text, como [whispers] y [laughs]. Empieza con un pasaje cuya redacción ya transmita el ánimo deseado y añade una indicación donde deba cambiar la interpretación. Nuestra prueba usó una etiqueta; escucha otras combinaciones antes de basar una escena completa en ellas.

Selección de voces

Prueba un elenco de 21 voces

voice_id ofrece 21 voces predefinidas y Roger es la opción predeterminada. Compara Daniel, Sarah o Lily con el mismo pasaje antes de revisar el guion. ElevenLabs indica que stability modifica la variación y similarity_boost la fidelidad a la voz elegida; clone_strength no altera estas voces predefinidas.

Grabación medida

Una toma de Daniel con tiempos registrados

El 13 de noviembre de 2026, nuestra llamada v4 de 84 caracteres utilizó Daniel, language en, seed 7 y mp3_22050_32. Devolvió 5,17 segundos de audio MP3 y terminó en unos 4,7 segundos. Esta observación corresponde a una solicitud y no establece resultados para guiones largos ni todas las voces.

Idioma y exportación

Define la lectura y el formato de audio

La selección de idioma ofrece auto o 91 códigos; output_format tiene nueve opciones y usa mp3_44100_128 de forma predeterminada. Con text_normalization_mode decides cómo se desarrollan números y abreviaturas. Comprueba un pasaje con los nombres y fechas reales antes de producir el resto del guion.

Dónde encaja

  • Una lección con una instrucción precisa

    Envía «Abre la hoja de trabajo y subraya los verbos del segundo párrafo» con Daniel y language en. Usa la narración devuelta como instrucción hablada junto al ejercicio del curso.

  • Un recorrido por un producto

    Envía «Selecciona Exportar, elige la carpeta de destino y confirma el nombre del archivo» con Sarah. La voz en off resultante puede acompañar una grabación de pantalla con esas tres acciones.

  • Una frase susurrada de un personaje de juego

    Asigna a Lily el texto «[whispers] El guardia sigue fuera de la puerta». Obtendrás una toma de un personaje que puedes escuchar junto a la escena del juego.

  • Una instrucción de aplicación localizada

    Proporciona en text la traducción aprobada de una instrucción para iniciar sesión y selecciona su código de idioma. El endpoint devuelve el audio hablado de esa versión; la traducción se prepara por separado.

  • El cierre de un anuncio

    Usa «Trae tu próxima idea al taller este sábado» como guion y prueba una voz predefinida. Tras comprobar la interpretación, coloca la grabación elegida al final de un video promocional.

Referencia del modelo

Referencia de la API de ElevenLabs v4

Especificaciones de la API de ElevenLabs v4

Editor del modelo de voz
ElevenLabs
Nombre y lanzamiento del modelo
Eleven v4; 28 de septiembre de 2026
Nombre público de la API de texto a voz
elevenlabs/v4/text-to-speech
Campo obligatorio del guion
text; hasta 10.000 caracteres
Selección de voces predefinidas
21 voces; Roger de forma predeterminada
Selección de idioma
auto o uno de 91 códigos de idioma
Selección del formato de audio
9 opciones; mp3_44100_128 de forma predeterminada
Modos de normalización del texto
auto, on, off
Indicaciones dentro del texto
Etiquetas de audio entre corchetes, como [whispers] y [laughs]
Entradas de voz no admitidas
Identificadores de voces personalizadas y diálogo con varios hablantes
Medición del consumo
Caracteres de text
Resultado registrado con Daniel
84 caracteres; MP3 de 5,17 segundos; unos 4,7 segundos para terminar

Cómo llamar a la API de ElevenLabs v4

  1. Prepara un pasaje para narrar

    Escribe las palabras que se pronunciarán en text, sin superar 10.000 caracteres. Agrega [whispers] o [laughs] donde la escena necesite una indicación interpretativa.

  2. Elige voz e idioma

    Selecciona una voz predefinida, como Daniel o Lily, o conserva Roger. Usa auto para detectar el idioma o elige el código deseado entre las 91 opciones.

  3. Invoca el endpoint de voz

    Llama a elevenlabs/v4/text-to-speech con text, voice_id y output_format siguiendo la entrada JSON de la guía. Para un MP3 en inglés, establece language en en y output_format en mp3_22050_32.

  4. Revisa la toma antes de publicarla

    Escucha los nombres, la lectura de números y las transiciones junto a cada etiqueta de audio. Guarda los ajustes elegidos con el audio y compara una modificación a la vez.

En resumen

Inicia una narración con Eleven v4 usando un pasaje que incluya los nombres, fechas y matices emocionales del guion final. Elige una voz predefinida, configura el idioma y el formato de salida y escucha antes de extender la grabación a las secciones restantes. Nuestra muestra con Daniel ofrece una referencia concreta: 84 caracteres produjeron un MP3 de 5,17 segundos en unos 4,7 segundos. Planifica el consumo con el precio por caracteres que se muestra y considera v4 Turbo para borradores o flujos sensibles a la latencia. Publica textos y voces que tengas derecho a usar y nunca suplantes a una persona real.

Preguntas sobre la API de ElevenLabs v4