소개
elevenlabs/v4/text-to-speech에 최대 10,000자를 보내고 기본 제공 음성 21개 중 하나를 선택합니다. 인라인 오디오 태그로 낭독을 지시하고 언어와 형식을 정한 뒤, 내레이션이나 캐릭터 대사에 쓸 완성 녹음을 검토합니다.
| 항목 | 값 |
|---|---|
| 입력 | 텍스트 |
| 출력 | 오디오 |
| 음성 호출 이름 | elevenlabs/v4/text-to-speech |
| 입력 용량과 지시 | 필수 text, 최대 10,000자, 인라인 오디오 태그 지원 |
| 음성 배역과 기본값 | 기본 제공 음성 21개; 기본 음성 Roger |
| 내보내기 선택지 | 형식 9개; 기본 선택 |
| v4 요청 관측 기록 | 2026년 11월 13일: Daniel, 84자, en, seed 7, |
핵심 기능 및 하이라이트
대사 곁에 발화 지시를 넣습니다
Eleven v4는 text 안의 [whispers], [laughs] 등 대괄호 오디오 태그를 받습니다. 원하는 분위기가 문구에 이미 담긴 구절로 시작한 뒤 발화가 달라져야 하는 곳에 지시를 추가합니다. 자체 테스트는 태그 1개를 사용했으므로 전체 장면을 구성하기 전에 추가 조합을 들어 봅니다.
21개 음성 중 배역을 고릅니다
voice_id에는 기본 제공 음성 21개가 있으며 기본 선택은 Roger입니다. 대본을 고치기 전에 같은 구절로 Daniel, Sarah, Lily를 비교합니다. ElevenLabs는 stability가 변화를, similarity_boost가 선택 음성에 대한 유사성을 조절한다고 설명하며, 여기서 clone_strength는 기본 제공 음성을 바꾸지 않습니다.
Daniel 녹음의 시간을 확인합니다
2026년 11월 13일 자체 84자 v4 호출은 Daniel, language en, seed 7, mp3_22050_32를 사용했습니다. 약 4.7초에 완료되어 5.17초의 MP3 오디오를 반환했습니다. 이는 요청 1건의 참고 관측이며 긴 대본이나 모든 음성에 대한 주장은 아닙니다.
읽을 언어와 오디오 형식을 정합니다
언어는 auto 또는 코드 91개 중 선택하며, output_format은 9가지이고 기본값은 mp3_44100_128입니다. text_normalization_mode로 숫자와 약어를 풀어 읽는 방식을 정합니다. 나머지 대본을 제작하기 전에 실제 이름과 날짜가 든 구절을 확인합니다.
요청 파라미터
| 파라미터 | 필수 | 설명 |
|---|---|---|
text | 예 | 필수 필드에 낭독 대본을 최대 10,000자로 입력합니다. [whispers] 같은 대괄호 지시는 해당 발화를 안내할 단어 곁에 둡니다. 1자 이상 · 10000자 이하 |
voice_id | 아니요 | 기본 제공 음성 21개 중 선택하며 기본값은 Roger입니다. 배역을 결정하기 전에 Daniel, Sarah, Lily로 같은 구절을 들어 봅니다. |
language | 아니요 | 감지는 auto로, 명시적 지정은 언어 코드 91개 중 하나로 설정합니다. 짧은 영어 대사에는 en으로 의도한 언어를 명확히 합니다. |
stability | 아니요 | ElevenLabs에 따르면 stability는 생성 간 변화를 제어하며 낮은 값에서 감정의 범위가 넓어집니다. 효과를 판단하도록 대본과 음성을 고정한 채 값을 바꿉니다. |
similarity_boost | 아니요 | ElevenLabs는 similarity_boost가 원래 음성에 대한 유사성을 제어한다고 설명합니다. 반복해서 들을 수 있는 구절로 선택한 기본 음성과 대조해 평가합니다. |
output_format | 아니요 | 오디오 형식 9개 중 선택하며 기본값은 mp3_44100_128입니다. 자체 v4 실측 샘플은 mp3_22050_32를 사용했습니다. |
text_normalization_mode | 아니요 | auto, on, off로 숫자와 약어의 풀어 읽기를 제어합니다. 날짜가 계속 모호하다면 대본에 원하는 낭독 표현을 적고 들어 봅니다. |
clone_strength | 아니요 | 이 엔드포인트의 기본 제공 음성에서는 clone_strength를 바꿔도 영향이 없습니다. 사용자 지정 및 복제 음성 ID는 입력할 수 없습니다. |
seed | 아니요 | 대본이나 설정을 하나씩 바꿔 비교할 때 seed를 고정합니다. 변수를 통제한 비교에는 도움이 되지만 같은 녹음을 보장하지는 않습니다. |
요금
$0.096 / 1,000자
Eleven v4 사용량은 text의 문자 수로 측정합니다. 이 페이지에 표시된 문자 기준 가격과 단위로 예상 사용료를 계산합니다.
활용 사례
정확한 지시가 필요한 강의
‘학습지를 열고 두 번째 문단의 동사에 밑줄을 그으세요’를 Daniel과 language en으로 제출합니다. 반환된 내레이션을 해당 강의 연습 문제 옆의 음성 안내로 사용합니다.
제품 사용 과정 안내
‘내보내기를 선택하고 대상 폴더를 고른 다음 파일 이름을 확인하세요’를 Sarah로 보냅니다. 생성된 음성을 이 3가지 동작을 보여 주는 화면 녹화에 붙일 수 있습니다.
작게 말하는 게임 캐릭터
Lily에 ‘[whispers] 경비병이 아직 성문 밖에 있어요.’라는 text를 제공합니다. 게임 장면에 맞춰 들어 볼 수 있는 단일 캐릭터 녹음이 출력됩니다.
현지화된 앱 안내
승인된 로그인 안내 번역문을 text에 넣고 해당 언어 코드를 고릅니다. 엔드포인트는 그 언어판의 음성을 반환하며 번역은 별도로 준비해야 합니다.
광고의 마무리 대사
‘이번 토요일 공방에서 다음 아이디어를 펼쳐 보세요’를 대본으로 기본 제공 음성을 들어 봅니다. 낭독을 확인한 뒤 선택한 녹음을 홍보 영상 끝에 배치합니다.
프롬프트 가이드 및 실전 팁
text 입력을 만듭니다
내레이션을 text에 넣고 어려운 이름이나 숫자가 포함된 짧은 구절을 사용합니다. 총 길이는 10,000자 이하로 유지합니다.
기본 제공 배역을 선택합니다
voice_id를 지원 값으로 설정하고 녹음 목적에 맞게 language와 output_format을 고릅니다. 이 기본 제공 음성을 쓸 때는 clone_strength를 생략합니다.
호출 후 녹음을 들어 봅니다
아래 JSON 입력에 따라 elevenlabs/v4/text-to-speech를 호출합니다. 다른 대본 구간에 같은 설정을 재사용하기 전에 오디오 파일을 청취합니다.
낭독을 지시하는 ElevenLabs v4 API
ElevenLabs v4 API는 ElevenLabs의 텍스트 음성 변환 모델 Eleven v4를 elevenlabs/v4/text-to-speech로 제공합니다. 대본과 기본 제공 음성을 지정해 강의, 제품 영상, 캐릭터 대사에 쓸 1인 음성 녹음을 만듭니다.
ElevenLabs는 9월 출시 노트에서 v4의 용도를 콘텐츠 제작과 장편 오디오로 설명합니다. 이 엔드포인트는 최대 10,000자를 받으며 사용자 지정 음성 ID와 다중 화자 대화 입력은 제공하지 않습니다.
요청 예제: 영어 캐릭터 대사
다음 JSON을 엔드포인트 입력으로 elevenlabs/v4/text-to-speech를 호출합니다. Daniel, 영어, MP3 형식, seed 7을 지정한 예제이며, 대본은 설명용으로 자체 시간 측정에 사용한 문구와 다릅니다.
{
"text": "[whispers] Keep the lantern covered until we reach the bridge.",
"voice_id": "Daniel",
"language": "en",
"text_normalization_mode": "auto",
"output_format": "mp3_22050_32",
"seed": 7
}
페이지의 API 요청 예제를 참고해 자격 증명과 함께 이 입력 필드를 제출합니다. 위 공개 호출 이름은 모델을 식별하며 이 입력 객체에는 전체 HTTP 요청 구조가 포함되어 있지 않습니다.
응답 예제: 관측된 오디오 결과
별도로 보낸 84자 Daniel 요청은 5.17초 길이의 MP3 녹음을 생성했습니다. 다음은 완료 오디오의 설명이며 JSON 응답 스키마가 아니고, 설명용 대본이 같은 길이로 생성된다는 주장도 아닙니다.
Audio: MP3
Selected output_format: mp3_22050_32
Recording duration: 5.17 seconds
Request completion: approximately 4.7 seconds
단일 음성 녹음 매개변수
필수 입력은 text이며 나머지 필드는 음성, 언어, 발화, 내보내기 동작을 정합니다. 아래 필드로 내레이션을 준비합니다.
| 매개변수 | 허용 설정 또는 역할 | 활용 기준 |
|---|---|---|
text | 필수; 최대 10,000자 | 낭독 대본을 쓰고 해당 구절 곁에 [whispers]나 [laughs]를 넣습니다. |
voice_id | 기본 제공 음성 21개; 기본값 Roger | 같은 발췌문으로 Daniel, Sarah, Lily를 들어 봅니다. |
language | auto 또는 언어 코드 91개 중 하나 | 영어에는 en을, 그 밖에는 의도한 언어 코드를 선택합니다. |
stability | 발화 변화 | 고정 구절로 조정하며 아래 개발사 설명을 참고합니다. |
similarity_boost | 선택 음성에 대한 유사성 | 유지하려는 음성 특성이 들리는지 확인합니다. |
clone_strength | 기본 제공 음성에 영향 없음 | 이 엔드포인트의 배역에는 생략합니다. |
text_normalization_mode | auto, on, off | 날짜, 수량, 약어를 읽는 방식을 점검합니다. |
output_format | 9가지; 기본값 mp3_44100_128 | mp3_22050_32는 자체 v4 실측 형식과 같습니다. |
seed | 변경 비교용 seed | 요소 하나를 조정할 때 재사용하며 동일 오디오는 보장하지 않습니다. |
가격과 대본 길이
과금은 text의 문자 수를 따르므로 이 페이지의 요율과 과금 단위로 사용량을 추정합니다. 오디오 길이는 결과 측정값이며 이 엔드포인트의 사용량 단위가 아닙니다. 내레이션이 요청 한도 10,000자를 넘으면 대본을 여러 구간으로 나눕니다.
게시할 수 있는 낭독 만들기
실제 제작물과 같은 이름, 숫자, 어조가 담긴 짧은 발췌문으로 시작합니다. ‘학습지를 열고 동사에 밑줄을 그으세요’ 같은 강의 지시문은 주변 설명까지 녹음하기 전에 집중해서 들어 볼 구절이 됩니다.
- 발화 지시를 고치기 전에 음성을 고릅니다.
- 연기가 바뀔 곳에 인라인 태그를 추가하고 전환을 들어 봅니다.
- 의도한 언어를 설정하고 선택한 정규화 모드의 숫자 낭독을 확인합니다.
- 설정 하나를 바꿀 때 seed를 고정하고 선택한 녹음과 설정을 함께 저장합니다.
ElevenLabs의 음성 설정 문서에 따르면 stability가 낮으면 감정 변화가 커지고 similarity_boost는 원래 음성에 대한 유사성을 제어합니다. 어느 음성에나 같은 설정이 맞는다고 가정하지 말고 실제 구절을 들어 판단합니다.
어색한 낭독 수정
녹음이 어색하면 관련 입력을 수정합니다. 모호한 날짜를 풀어 쓰거나 충돌하는 지시를 없애거나 다른 기본 제공 음성을 들어 봅니다. ElevenLabs는 음성 제작 안내에서 복잡한 숫자와 약어가 잘못 발음될 수 있다고 설명합니다. 요청이 실패하면 text가 있고 한도 이내인지, 음성·언어·형식이 이 페이지의 선택지와 맞는지 확인합니다.
테스트 근거와 모델 선택
2026년 11월 13일 자체 호출은 입력이 다른 샘플 2개를 제공합니다. 각 샘플에는 오디오 태그 1개가 포함됐으며 이 결과는 통제된 비교가 아닌 관측입니다.
| 변형 | 입력과 음성 | 언어 / seed | 형식 | 오디오 길이 | 완료 시간 |
|---|---|---|---|---|---|
| Eleven v4 | 84자; Daniel | en / 7 | mp3_22050_32 | 5.17초 | 약 4.7초 |
| Eleven v4 Turbo | 75자; Sarah | 사실 기록표에 미기재 | mp3_44100_128 | 3.40초 | 약 7.6초 |
검토를 거칠 최종 녹음에는 v4를 선택하고, 초안·대량 작업·지연 시간에 민감한 흐름에는 Eleven v4 Turbo를 고려합니다. 위 Turbo 실측값이 이 용도 안내를 뒤집지는 않습니다. 대본, 음성, 출력 설정이 서로 달랐기 때문입니다. 사용자 지정 음성이나 다중 화자 입력이 필요하면 통합을 계획하기 전에 해당 입력을 명시적으로 지원하는 대안을 평가합니다.
녹음 사용 권리
사용 권한이 있는 대본과 음성으로 녹음을 게시하고 실제 인물을 사칭하지 않습니다. 강의, 애플리케이션, 홍보 영상에 게시하기 전에 완성된 오디오를 검토합니다.
녹음에 사용할 권리가 있는 텍스트와 음성을 제공합니다. 생성 음성을 실제 사람의 사칭에 사용하지 않습니다.
API 빠른 시작
# 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "elevenlabs/v4/text-to-speech",
"input": {
"text": "Welcome back. Your files finished rendering a minute ago and are ready to download.",
"language": "auto",
"voice_id": "Roger",
"output_format": "mp3_44100_128",
"text_normalization_mode": "auto"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
인증, 전체 스키마, 폴링과 오류 처리는 API 레퍼런스에서 확인하세요.




