elevenlabs-tts

belt CLI スキルをインストールする： npx skills add belt-sh/cli

ElevenLabs テキスト読み上げ

inference.sh CLI を使用した、22 種類以上の音声に対応する高品質なテキスト読み上げです。

クイックスタート

inference.sh CLI（belt）が必要です。インストール手順

belt login

# Generate speech with ElevenLabs
belt app run elevenlabs/tts --input '{"text": "Hello, welcome to our product demo.", "voice": "aria"}'

利用可能なモデル

モデル	ID	最適な用途	レイテンシ
Multilingual v2	eleven_multilingual_v2	最高品質、32 言語対応	~250ms
Turbo v2.5	eleven_turbo_v2_5	速度と品質のバランス	~150ms
Flash v2.5	eleven_flash_v2_5	超低レイテンシ	~75ms

音声ライブラリ

女性の音声

音声	スタイル
aria	アメリカ英語、会話調
alice	イギリス英語、自信に満ちた声
bella	アメリカ英語、温かみのある声
jessica	アメリカ英語、表現豊かな声
laura	アメリカ英語、プロフェッショナル
lily	イギリス英語、柔らかな声
sarah	アメリカ英語、親しみやすい声

男性の音声

音声	スタイル
george	イギリス英語、威厳のある声
adam	アメリカ英語、低い声
bill	アメリカ英語、成熟した声
brian	アメリカ英語、会話調
callum	大西洋横断アクセント、力強い声
charlie	オーストラリア英語、自然な声
chris	アメリカ英語、くだけた声
daniel	イギリス英語、力強い声
eric	アメリカ英語、親しみやすい声
harry	アメリカ英語、若々しい声
liam	アメリカ英語、明瞭な声
matilda	アメリカ英語、温かみのある声
river	アメリカ英語、自信に満ちた声
roger	アメリカ英語、威厳のある声
will	アメリカ英語、明るい声

使用例

基本的な音声生成

belt app run elevenlabs/tts --input '{"text": "Welcome to our quarterly earnings presentation.", "voice": "george"}'

モデルの選択

# Highest quality
belt app run elevenlabs/tts --input '{
  "text": "This is our premium multilingual model with the best quality.",
  "voice": "aria",
  "model": "eleven_multilingual_v2"
}'

# Ultra-fast for real-time applications
belt app run elevenlabs/tts --input '{
  "text": "Flash model for low-latency applications.",
  "voice": "brian",
  "model": "eleven_flash_v2_5"
}'

音声の調整

belt app run elevenlabs/tts --input '{
  "text": "Fine-tune the voice characteristics for your use case.",
  "voice": "bella",
  "stability": 0.3,
  "similarity_boost": 0.9,
  "style": 0.4
}'

パラメーター	範囲	効果
stability	0-1	値が大きいほど一貫性が高く、小さいほど表現豊かになります
similarity_boost	0-1	値が大きいほど元の音声の特徴に近づきます
style	0-1	値が大きいほどスタイルが強調されます
use_speaker_boost	true/false	話者の明瞭さを高めます

出力形式

# High-quality MP3
belt app run elevenlabs/tts --input '{
  "text": "High quality audio output.",
  "voice": "daniel",
  "output_format": "mp3_44100_192"
}'

形式	説明
mp3_44100_128	44.1kHz、128kbps の MP3（デフォルト）
mp3_44100_192	44.1kHz、192kbps の MP3
pcm_16000	16kHz の未加工 PCM
pcm_22050	22.05kHz の未加工 PCM
pcm_24000	24kHz の未加工 PCM
pcm_44100	44.1kHz の未加工 PCM

多言語対応

ElevenLabs は、英語、スペイン語、フランス語、ドイツ語、イタリア語、ポルトガル語、中国語、日本語、韓国語、アラビア語、ヒンディー語、ロシア語など、32 言語に対応しています。

# Spanish
belt app run elevenlabs/tts --input '{
  "text": "Hola, bienvenidos a nuestra presentación.",
  "voice": "aria",
  "model": "eleven_multilingual_v2"
}'

# French
belt app run elevenlabs/tts --input '{
  "text": "Bonjour, bienvenue à notre démonstration.",
  "voice": "alice",
  "model": "eleven_multilingual_v2"
}'

音声と動画のワークフロー

# 1. Generate voiceover
belt app run elevenlabs/tts --input '{
  "text": "Introducing the future of AI-powered content creation.",
  "voice": "george"
}' > voiceover.json

# 2. Create talking head video
belt app run bytedance/omnihuman-1-5 --input '{
  "image_url": "https://portrait.jpg",
  "audio_url": "<audio-url-from-step-1>"
}'

ユースケース

• ナレーション：製品デモ、解説動画、コマーシャル
• オーディオブック：一貫した音声による長編ナレーション
• ポッドキャスト：自然な話し方の AI ホスト
• E ラーニング：複数の言語でのコースナレーション
• アクセシビリティ：高品質なスクリーンリーダー向けコンテンツ
• IVR：プロフェッショナルな電話システムのメッセージ
• 動画ナレーション：ドキュメンタリーやソーシャルメディア向けコンテンツ

関連スキル

# ElevenLabs multi-speaker dialogue
npx skills add inference-sh/skills@elevenlabs-dialogue

# ElevenLabs voice changer
npx skills add inference-sh/skills@elevenlabs-voice-changer

# ElevenLabs sound effects
npx skills add inference-sh/skills@elevenlabs-sound-effects

# All TTS models (Kokoro, DIA, Chatterbox, Inworld TTS, and more)
npx skills add inference-sh/skills@text-to-speech

# Full platform skill (all apps)
npx skills add inference-sh/skills@infsh-cli

すべてのオーディオアプリを表示：belt app list --category audio