رفتن به محتوا

ElevenLabs TTS Multilingual v2

یکپارچه‌سازی

شناسه مدل elevenlabs/tts/multilingual-v2
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/elevenlabs/tts/multilingual-v2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

این درخواست: ⁨‎$۰٫۰۰۵⁩ ۵ اعتبار API اجرای آن در این صفحه

دریافت کلید API
ElevenLabs متن به گفتار #audio

تبدیل متن چندزبانه به گفتار با انتخاب صدا، کنترل پایداری، سبک و سرعت و زمان‌بندی کلمات

ElevenLabs · صوت

اولین نتیجه شما اینجا قرار می‌گیرد

درخواست را در زیر بسازید و با کلید API خود اجرا کنید. خروجی‌ها در فضای ذخیره‌سازی ما کپی می‌شوند و برای همیشه یا به‌مدت ۷ روز رایگان نگه‌داری می‌شوند.

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

•الزامی

متن برای تبدیل به گفتار.

پیشرفته previous_text · next_text · apply_text_normalization · voice · language_code · stability · similarity_boost · style · speed · timestamps

متن پیشین ارائه‌شده به‌عنوان زمینه تداوم برای گفتار درخواست فعلی، برای اتصال روان چند بخش تولیدشده یا اثرگذاری بر تداوم در همین تولید.

متن بعدی ارائه‌شده به‌عنوان زمینه تداوم برای گفتار درخواست فعلی، برای اتصال روان چند بخش تولیدشده یا اثرگذاری بر تداوم در همین تولید.

apply_text_normalization پیش‌فرض auto

حالت نرمال‌سازی متن: 'auto' به سیستم اجازه می‌دهد درباره نیاز به نرمال‌سازی، مانند نوشتن اعداد به‌صورت واژه، تصمیم بگیرد. انتخاب 'on' همیشه نرمال‌سازی را اعمال می‌کند؛ انتخاب 'off' آن را غیرفعال می‌کند.

پیش‌فرض Rachel

صدای انتخاب‌شده برای ترکیب گفتار.

زبان موردنیاز مدل را با کد ISO 639-1 مشخص کنید؛ اگر مدل از آن کد پشتیبانی نکند، درخواست با خطا مواجه می‌شود.

پیش‌فرض 0.5

پایداری صدا، از 0 تا 1.

پیش‌فرض 0.75

میزان بهبود شباهت، از 0 تا 1.

پیش‌فرض 0

میزان اغراق سبکی، از 0 تا 1.

پیش‌فرض 1

سرعت گفتار نسبت به 1.0: مقادیر پایین‌تر بیان را آهسته و مقادیر بالاتر آن را سریع می‌کنند. دامنه 0.7–1.2 است و مقادیر افراطی ممکن است کیفیت را تغییر دهند.

POST /run/elevenlabs/tts/multilingual-v2?wait=20 قیمت → ⁨‎$۰٫۰۰۵⁩
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/elevenlabs/tts/multilingual-v2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره ElevenLabs TTS Multilingual v2

`text` را با صدای نام‌گذاری‌شده `voice` (پیش‌فرض Rachel) به گفتار تبدیل می‌کند. `stability`، `similarity_boost` و `style` را از 0 تا 1 و `speed` را از 0.7 تا 1.2 تنظیم کنید. `previous_text` و `next_text` پیوستگی بخش‌های تقسیم‌شده را بهبود می‌دهند، `language_code` زبان را تحمیل می‌کند و `timestamps` زمان‌بندی هر کلمه را برمی‌گرداند.

پارامترها

نامنوع پیش‌فرضمجاز توضیحات
textالزامی
نوعstring
متن برای تبدیل به گفتار.
voiceاختیاری
نوعstring
پیش‌فرضRachel
صدای انتخاب‌شده برای ترکیب گفتار.
stabilityاختیاری
نوعnumber
پیش‌فرض0.5
۰ – ۱
پایداری صدا، از 0 تا 1.
similarity_boostاختیاری
نوعnumber
پیش‌فرض0.75
۰ – ۱
میزان بهبود شباهت، از 0 تا 1.
styleاختیاری
نوعnumber
پیش‌فرض0
۰ – ۱
میزان اغراق سبکی، از 0 تا 1.
speedاختیاری
نوعnumber
پیش‌فرض1
۰٫۷ – ۱٫۲
سرعت گفتار نسبت به 1.0: مقادیر پایین‌تر بیان را آهسته و مقادیر بالاتر آن را سریع می‌کنند. دامنه 0.7–1.2 است و مقادیر افراطی ممکن است کیفیت را تغییر دهند.
timestampsاختیاری
نوعboolean
پیش‌فرضfalse
مشخص می‌کند گفتار تولیدشده شامل مهرهای زمانی برای هر واژه باشد یا نه.
previous_textاختیاری
نوعstring | null
متن پیشین ارائه‌شده به‌عنوان زمینه تداوم برای گفتار درخواست فعلی، برای اتصال روان چند بخش تولیدشده یا اثرگذاری بر تداوم در همین تولید.
next_textاختیاری
نوعstring | null
متن بعدی ارائه‌شده به‌عنوان زمینه تداوم برای گفتار درخواست فعلی، برای اتصال روان چند بخش تولیدشده یا اثرگذاری بر تداوم در همین تولید.
language_codeاختیاری
نوعstring | null
زبان موردنیاز مدل را با کد ISO 639-1 مشخص کنید؛ اگر مدل از آن کد پشتیبانی نکند، درخواست با خطا مواجه می‌شود.
apply_text_normalizationاختیاری
نوعenum
پیش‌فرضauto
autoonoff
حالت نرمال‌سازی متن: 'auto' به سیستم اجازه می‌دهد درباره نیاز به نرمال‌سازی، مانند نوشتن اعداد به‌صورت واژه، تصمیم بگیرد. انتخاب 'on' همیشه نرمال‌سازی را اعمال می‌کند؛ انتخاب 'off' آن را غیرفعال می‌کند.
الزامی

خروجی

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "elevenlabs/tts/multilingual-v2",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 5,
    "usd": "0.005",
    "charged": 5,
    "refunded": 0
  },
  "input": {
    "text": "Hello from Doitong. This is a short test sentence."
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200
    },
    "timestamps": []
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
audio
object {url, content_type, file_name, file_size}فایل صوتی تولیدشده.
timestamps
array of any | nullداده زمان‌بندی گفتار تولیدشده، فقط برای درخواست‌هایی که `timestamps` روی True تنظیم شده است؛ شامل زمان‌مهر برای هر واژه.

مدل‌های بیشتر: متن به گفتار

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/elevenlabs/tts/multilingual-v2.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt