Introducción
Cambia la voz de una narración interpretada o una frase de personaje proporcionando audio_url y eligiendo entre 41 voces predefinidas mediante voice_id. Alicia es la opción predeterminada y remove_background_noise permite eliminar ruido de forma opcional. Evalúa el MP3 frente a la fuente antes de utilizarlo en una producción.
| Campo | Valor |
|---|---|
| Entrada | Audio |
| Salida | Audio |
| Editor | ElevenLabs |
| Lanzamiento | 22 de noviembre de 2023; presentado como voz a voz |
| Identificador público de conversión | elevenlabs/voice-changer/audio-to-audio |
| Entrada de origen | Grabación de habla en |
| Selección de voz | 41 voces predefinidas de ElevenLabs mediante |
| Voz predeterminada | Alicia |
| Voces personalizadas y clonadas | No disponibles para este endpoint |
| Control del ruido |
|
| Medio convertido | MP3; mismas palabras y tiempos con otra voz |
| Unidad para calcular cargos | Segundos del audio de origen, redondeados hacia arriba a segundos enteros |
| MP3 medido | 4,50 segundos; 44,1 kHz mono; 128 kbps; voz Brian |
| Procesamiento medido | Unos 3,7 segundos para 4,5 segundos de narración en inglés |
Funciones y aspectos destacados
Dirige la interpretación con tu voz
La grabación de entrada aporta las palabras y sus tiempos. ElevenLabs indica que Voice Changer conserva la entonación y el ritmo de origen, de modo que una lectura provisional interpretada guía el habla convertida. Graba una pausa o enfatiza una palabra donde lo necesites y evalúa cómo la voz elegida transmite esa interpretación.
Prueba 41 voces con una toma
Selecciona una voz predefinida mediante voice_id y conserva la grabación fuente al comparar opciones. Alicia es la predeterminada y nuestra prueba medida usó Brian. Este endpoint no ofrece voces personalizadas o clonadas; planifica la selección del narrador con las voces de la lista.
Un MP3 de 4,50 segundos desde una narración breve
Nuestra prueba de narración en inglés duró 4,5 segundos y se convirtió a Brian en unos 3,7 segundos. El MP3 resultante midió 4,50 segundos, a 44,1 kHz, mono y 128 kbps. Una transcripción local reprodujo la frase original palabra por palabra; esta observación corresponde a esa toma específica.
Decide si eliminar el ruido de fondo
El interruptor remove_background_noise permite solicitar la eliminación de ruido del habla de origen. Compara un pasaje breve con el ajuste activado y desactivado, y escucha la claridad de las consonantes y la naturalidad de las pausas. Conserva el ajuste y las condiciones de grabación al probar voces.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
audio_url | Sí | Proporciona la URL de una grabación de habla que tengas permiso de transformar, de hasta 5 minutos de duración. mínimo 1 caracteres |
voice_id | No | Elige una voz predefinida de la lista, como Brian, u omite este campo para usar Alicia. La selección incluye 41 voces y no acepta voces personalizadas ni clonadas. |
remove_background_noise | No | Establece este booleano en true para solicitar la eliminación de ruido de fondo o en false para desactivar esa opción. Valor predeterminado: |
Precios
$0.0048 / segundo
Se cobra por segundo de la grabación de entrada, redondeado hacia arriba al siguiente segundo entero, con un mínimo de 1 segundo y un máximo de 5 minutos. La voz y el ajuste de ruido no modifican el precio. Si la tarea falla, no se cobra.
Casos de uso
Sustituye una narración provisional
Proporciona tu propia lectura grabada de la introducción de un tutorial, con pausas para los pasos en pantalla. Conviértela a una voz predefinida seleccionada y recibe un MP3 para revisar la narración junto a tu montaje.
Prototipa frases de personajes de juego
Pide a un actor que haya aceptado la transformación que grabe una frase como «La puerta está abierta; sígueme». Cambia la voz de esa toma con una opción de la lista para obtener un MP3 que siga los tiempos y la emoción interpretada del actor.
Cambia la voz de un participante en una entrevista
Usa como entrada una respuesta breve de entrevista cuyo hablante haya permitido la transformación de voz. El MP3 recibido presenta la respuesta con otra voz predefinida; revisa las palabras y el acuerdo de quien habla antes de compartirlo.
Prueba una interpretación de voz en off
Graba un pasaje de recorrido de producto con el énfasis previsto y envía el mismo fragmento con distintas voces. Compara los MP3 para elegir un narrador antes de procesar los pasajes restantes.
Guía de prompts y consejos prácticos
Prepara una grabación de habla autorizada
Graba las palabras, pausas y emoción deseadas en una toma de hasta 5 minutos. Acepta el aviso del sitio sobre semejanza de voz y consentimiento antes del primer uso y confirma que tengas derecho a transformar la grabación.
Elige una voz predefinida
Selecciona
voice_identre las 41 voces disponibles u omítelo para utilizar Alicia. Decide si debes activarremove_background_noisepara tu fuente.Invoca el endpoint audio-to-audio
Llama a elevenlabs/voice-changer/audio-to-audio con un JSON que contenga
audio_url, elvoice_idelegido y el booleanoremove_background_noise. El readme del endpoint muestra una solicitud con Brian usando esos campos.Revisa el MP3 recibido
Escucha el MP3 convertido frente al original y comprueba palabras, pausas y finales de oración. Para entender la facturación, combina la duración de entrada redondeada hacia arriba a segundos enteros con el precio mostrado.
ElevenLabs Voice Changer API: del habla grabada a una voz nueva
ElevenLabs Voice Changer es la herramienta de voz a voz de ElevenLabs para cambiar la voz de una interpretación existente y conservar sus palabras y tiempos. Llama a elevenlabs/voice-changer/audio-to-audio con una grabación de habla de hasta 5 minutos para recibir un MP3 con una voz predefinida seleccionada.
ElevenLabs indica que la entonación y el ritmo de origen pasan a la voz convertida. Su anuncio de Voice Changer describe la conservación de la interpretación; graba las pausas y el énfasis que quieras que escuchen los oyentes.
Realiza una solicitud de audio a audio
Proporciona audio_url y selecciona un voice_id predefinido para convertir la grabación. Esta entrada JSON ilustrativa solicita Brian sin eliminación de ruido de fondo; sustituye la URL de ejemplo por la de tu grabación autorizada al llamar a elevenlabs/voice-changer/audio-to-audio.
{
"audio_url": "https://example.com/permitted-scratch-read.wav",
"voice_id": "Brian",
"remove_background_noise": false
}
- Prepara una toma de habla dentro del límite de entrada de 5 minutos.
- Acepta el aviso del sitio sobre semejanza de voz y consentimiento antes del primer uso.
- Envía la entrada JSON al endpoint indicado.
- Revisa el MP3 resultante frente a la fuente antes de usarlo en tu montaje.
Comprende el medio de respuesta
El resultado multimedia del endpoint es habla convertida en formato MP3, con las palabras y los tiempos de la fuente en la voz seleccionada. El siguiente ejemplo de respuesta describe el medio medido; no es la estructura externa de una respuesta de API ni una promesa de codificación para cada conversión.
Converted audio: MP3
Selected voice: Brian
Duration: 4.50 seconds
Sample rate: 44.1 kHz
Channels: mono
Bitrate: 128 kbps
Usa ese ejemplo para planificar la comprobación de salida: escucha las palabras, compara la ubicación de las pausas y verifica la duración del archivo. Conserva la fuente para localizar palabras modificadas o transiciones poco naturales.
Configura los tres parámetros de entrada
La solicitud utiliza una URL de audio, una voz predefinida y un interruptor opcional para eliminar ruido. No hay un campo prompt para reescribir el guion; interpreta las palabras que deseas en la grabación de entrada.
| Parámetro | Valor o límite | Elección práctica |
|---|---|---|
audio_url | URL del habla de origen; hasta 5 minutos | Usa una grabación autorizada con la interpretación que quieras conservar. |
voice_id | 41 voces predefinidas; Alicia de forma predeterminada | Elige una voz de la lista, como Brian; omite el campo para Alicia. |
remove_background_noise | Booleano: true o false | Actívalo para solicitar la eliminación de ruido de fondo. |
Este endpoint no admite voces personalizadas o clonadas. Por eso, un identificador de voz personal no es adecuado aunque lo hayas utilizado en otro flujo de voz.
Calcula la facturación por duración
Se factura por los segundos de audio de origen, redondeados hacia arriba al siguiente segundo entero. Usa el precio actual de esta página para estimar una conversión; la duración pertinente es la de la grabación fuente.
Prueba un fragmento antes de convertir toda la narración. Compara ese fragmento entre voces para seleccionar un narrador antes de procesar el habla restante.
Prepara una interpretación fuente útil
Una lectura de origen deliberada da a la conversión una interpretación clara que seguir. Graba una introducción de tutorial con las pausas necesarias para sus acciones en pantalla o pide a un actor que haya dado su consentimiento que interprete una frase de personaje con la emoción prevista.
- Pronuncia el guion exacto, incluidos nombres y finales de oración, y revísalo antes de enviarlo.
- Conserva la misma toma fuente al comparar voces predefinidas para mantener fija la interpretación.
- Compara la eliminación de ruido activada y desactivada con un pasaje que incluya habla y pausas.
- Vuelve a grabar una frase si necesitas cambiar su interpretación y convierte ese pasaje revisado.
Interpreta nuestro resultado medido
Nuestra prueba convirtió 4,5 segundos de narración en inglés a Brian en unos 3,7 segundos de procesamiento. La salida fue un MP3 de 4,50 segundos a 44,1 kHz, mono y 128 kbps; una transcripción local coincidió palabra por palabra con la frase original.
Ese resultado respalda esta narración breve específica, sin garantizar el mismo tiempo de procesamiento ni precisión de palabras para tu material. Compara calidad y tiempo transcurrido con un pasaje representativo antes de programar una secuencia larga de conversiones.
Resuelve problemas de entrada y de escucha
Una fuente de más de 5 minutos supera el límite de duración de este endpoint. Prepara pasajes separados dentro del límite y revisa las uniones al ensamblar sus MP3 convertidos.
Sustituye una voz no admitida por una voz predefinida de la lista u omite la selección para usar Alicia. Si la voz aparente o el acento difieren de lo esperado, compara varias opciones con el mismo pasaje claramente pronunciado: la interpretación fuente sigue guiando el habla.
Un resultado ruidoso requiere una comparación breve con remove_background_noise activado. Si una palabra suena mal, comprueba la toma original, vuelve a pronunciar esa frase con claridad y revisa la nueva salida, sin tratar una transcripción exitosa como garantía.
Elige conversión, traducción o un guion nuevo
La conversión de voz corresponde a una grabación interpretada existente; la traducción requiere otro flujo. Usa esta distinción para elegir qué enviar a continuación.
| Punto de partida y objetivo | Flujo que debes elegir |
|---|---|
| Una toma hablada cuyas palabras y tiempos deban mantenerse | Este endpoint audio-to-audio de Voice Changer |
| Habla grabada que necesite un idioma de destino | ElevenLabs Dubbing |
| Un guion escrito pendiente de una interpretación hablada | Un flujo de texto a voz |
Confirma el permiso antes de transformar una voz
El sitio exige un aviso sobre semejanza de voz y consentimiento antes de usar Voice Changer por primera vez. Usa texto y voces que tengas derecho a utilizar, transforma tu propia habla o grabaciones que tengas permiso de transformar y nunca suplantes a una persona real.
Usa texto y voces que tengas derecho a utilizar y transforma tu propia habla o grabaciones que tengas permiso de transformar. Nunca suplantes a una persona real con el audio convertido. Acepta el aviso del sitio sobre semejanza de voz y consentimiento antes del primer uso.
Inicio rápido de la API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "elevenlabs/voice-changer/audio-to-audio",
"input": {
"audio_url": "https://example.com/reference.mp3",
"voice_id": "Alicia"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.




