eachlabs-voice-audio

EachLabs Voice & Audio

EachLabs Predictions API を介したテキスト読み上げ、音声からテキストへの文字起こし、音声変換、音声ユーティリティです。

認証

Header: X-API-Key: <your-api-key>

EACHLABS_API_KEY 環境変数を設定します。キーは eachlabs.ai で取得してください。

利用可能なモデル

テキスト読み上げ

モデル	スラッグ	最適な用途
ElevenLabs TTS	elevenlabs-text-to-speech	高品質な TTS
ElevenLabs TTS w/ Timestamps	elevenlabs-text-to-speech-with-timestamp	単語ごとのタイミング付き TTS
ElevenLabs Text to Dialogue	elevenlabs-text-to-dialogue	複数話者の対話
ElevenLabs Sound Effects	elevenlabs-sound-effects	効果音の生成
ElevenLabs Voice Design v2	elevenlabs-voice-design-v2	カスタム音声のデザイン
Kling V1 TTS	kling-v1-tts	Kling のテキスト読み上げ
Kokoro 82M	kokoro-82m	軽量な TTS
Play AI Dialog	play-ai-text-to-speech-dialog	対話向け TTS
Stable Audio 2.5	stable-audio-2-5-text-to-audio	テキストから音声への変換

音声からテキストへの変換

モデル	スラッグ	最適な用途
ElevenLabs Scribe v2	elevenlabs-speech-to-text-scribe-v2	最高品質の文字起こし
ElevenLabs STT	elevenlabs-speech-to-text	標準的な文字起こし
Wizper with Timestamp	wizper-with-timestamp	タイムスタンプ付き文字起こし
Wizper	wizper	基本的な文字起こし
Whisper	whisper	オープンソースの文字起こし
Whisper Diarization	whisper-diarization	話者の識別
Incredibly Fast Whisper	incredibly-fast-whisper	最速の文字起こし

音声変換とクローン作成

モデル	スラッグ	最適な用途
RVC v2	rvc-v2	音声変換
Train RVC	train-rvc	カスタム音声モデルのトレーニング
ElevenLabs Voice Clone	elevenlabs-voice-clone	音声のクローン作成
ElevenLabs Voice Changer	elevenlabs-voice-changer	音声の変換
ElevenLabs Voice Design v3	elevenlabs-voice-design-v3	高度な音声デザイン
ElevenLabs Dubbing	elevenlabs-dubbing	動画の吹き替え
Chatterbox S2S	chatterbox-speech-to-speech	音声から音声への変換
Open Voice	openvoice	オープンソースの音声クローン
XTTS v2	xtts-v2	多言語音声クローン
Stable Audio 2.5 Inpaint	stable-audio-2-5-inpaint	音声のインペインティング
Stable Audio 2.5 A2A	stable-audio-2-5-audio-to-audio	音声の変換
Audio Trimmer	audio-trimmer-with-fade	フェード付きの音声トリミング

音声ユーティリティ

モデル	スラッグ	最適な用途
FFmpeg Merge Audio Video	ffmpeg-api-merge-audio-video	音声と動画の結合
Toolkit Video Convert	toolkit	動画／音声の変換

予測の流れ

1. モデルを確認 GET https://api.eachlabs.ai/v1/model?slug=<slug> — モデルの存在を検証し、正確な入力パラメーターを含む request_schema を返します。正しい入力を確認するため、予測を作成する前に必ず実行してください。
2. モデルのスラッグ、バージョン "0.0.1"、スキーマに合致する入力を指定して POST https://api.eachlabs.ai/v1/prediction を実行します
3. ステータスが "success" または "failed" になるまで ポーリング GET https://api.eachlabs.ai/v1/prediction/{id} を実行します
4. レスポンスから出力を 抽出 します

例

ElevenLabs によるテキスト読み上げ

curl -X POST https://api.eachlabs.ai/v1/prediction \
  -H "Content-Type: application/json" \
  -H "X-API-Key: $EACHLABS_API_KEY" \
  -d '{
    "model": "elevenlabs-text-to-speech",
    "version": "0.0.1",
    "input": {
      "text": "Welcome to our product demo. Today we will walk through the key features.",
      "voice_id": "EXAVITQu4vr4xnSDxMaL",
      "model_id": "eleven_v3",
      "stability": 0.5,
      "similarity_boost": 0.7
    }
  }'

ElevenLabs Scribe による文字起こし

curl -X POST https://api.eachlabs.ai/v1/prediction \
  -H "Content-Type: application/json" \
  -H "X-API-Key: $EACHLABS_API_KEY" \
  -d '{
    "model": "elevenlabs-speech-to-text-scribe-v2",
    "version": "0.0.1",
    "input": {
      "media_url": "https://example.com/recording.mp3",
      "diarize": true,
      "timestamps_granularity": "word"
    }
  }'

Wizper（Whisper）による文字起こし

curl -X POST https://api.eachlabs.ai/v1/prediction \
  -H "Content-Type: application/json" \
  -H "X-API-Key: $EACHLABS_API_KEY" \
  -d '{
    "model": "wizper-with-timestamp",
    "version": "0.0.1",
    "input": {
      "audio_url": "https://example.com/audio.mp3",
      "language": "en",
      "task": "transcribe",
      "chunk_level": "segment"
    }
  }'

Whisper による話者分離

curl -X POST https://api.eachlabs.ai/v1/prediction \
  -H "Content-Type: application/json" \
  -H "X-API-Key: $EACHLABS_API_KEY" \
  -d '{
    "model": "whisper-diarization",
    "version": "0.0.1",
    "input": {
      "file_url": "https://example.com/meeting.mp3",
      "num_speakers": 3,
      "language": "en",
      "group_segments": true
    }
  }'

RVC v2 による音声変換

curl -X POST https://api.eachlabs.ai/v1/prediction \
  -H "Content-Type: application/json" \
  -H "X-API-Key: $EACHLABS_API_KEY" \
  -d '{
    "model": "rvc-v2",
    "version": "0.0.1",
    "input": {
      "input_audio": "https://example.com/vocals.wav",
      "rvc_model": "CUSTOM",
      "custom_rvc_model_download_url": "user-provided-model-reference",
      "pitch_change": 0,
      "output_format": "wav"
    }
  }'

音声と動画の結合

curl -X POST https://api.eachlabs.ai/v1/prediction \
  -H "Content-Type: application/json" \
  -H "X-API-Key: $EACHLABS_API_KEY" \
  -d '{
    "model": "ffmpeg-api-merge-audio-video",
    "version": "0.0.1",
    "input": {
      "video_url": "https://example.com/video.mp4",
      "audio_url": "https://example.com/narration.mp3",
      "start_offset": 0
    }
  }'

ElevenLabs のボイス ID

elevenlabs-text-to-speech モデルは、以下のボイス ID に対応しています。ID 文字列をそのまま渡してください。

ボイス ID	備考
EXAVITQu4vr4xnSDxMaL	デフォルトのボイス
9BWtsMINqrJLrRacOk9x	—
CwhRBWXzGAHq8TQ4Fs17	—
FGY2WhTYpPnrIDTdsKH5	—
JBFqnCBsd6RMkjVDRZzb	—
N2lVS1w4EtoT3dr4eOWO	—
TX3LPaxmHKxFdv7VOQHJ	—
XB0fDUnXU5powFXDhCwa	—
onwK4e9ZLuTAKqWW03F9	—
pFZP5JQG7iQjIQuC4Bku	—

セキュリティ上の制約

• 任意の URL の読み込み禁止：custom_rvc_model_download_url を使用する場合は、信頼できるユーザー提供のモデル参照のみを使用してください。任意の URL や信頼できない URL からモデルを取得しないでください。
• 入力の検証：モデルのリクエストスキーマに一致するパラメーターのみを渡してください。予測を作成する前に、必ず GET /v1/model?slug=<slug> でモデルのスラッグを検証してください。

パラメーターリファレンス

各モデルのパラメーターの詳細については、references/MODELS.md を参照してください。