eachlabs-voice-audio

EachLabs 语音与音频

通过 EachLabs Predictions API 实现文本转语音、语音转文本转录、声音转换和音频实用工具。

身份验证

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

设置 EACHLABS_API_KEY 环境变量。在 eachlabs.ai 获取密钥。

可用模型

文本转语音

模型	Slug	适用场景
ElevenLabs TTS	elevenlabs-text-to-speech	高质量 TTS
ElevenLabs TTS w/ Timestamps	elevenlabs-text-to-speech-with-timestamp	带词语时间戳的 TTS
ElevenLabs Text to Dialogue	elevenlabs-text-to-dialogue	多说话人对话
ElevenLabs Sound Effects	elevenlabs-sound-effects	音效生成
ElevenLabs Voice Design v2	elevenlabs-voice-design-v2	自定义声音设计
Kling V1 TTS	kling-v1-tts	Kling 文本转语音
Kokoro 82M	kokoro-82m	轻量级 TTS
Play AI Dialog	play-ai-text-to-speech-dialog	对话 TTS
Stable Audio 2.5	stable-audio-2-5-text-to-audio	文本转音频

语音转文本

模型	Slug	适用场景
ElevenLabs Scribe v2	elevenlabs-speech-to-text-scribe-v2	高质量转录
ElevenLabs STT	elevenlabs-speech-to-text	标准转录
Wizper with Timestamp	wizper-with-timestamp	带时间戳的转录
Wizper	wizper	基础转录
Whisper	whisper	开源转录
Whisper Diarization	whisper-diarization	说话人识别
Incredibly Fast Whisper	incredibly-fast-whisper	最快的转录

声音转换与克隆

模型	Slug	适用场景
RVC v2	rvc-v2	声音转换
Train RVC	train-rvc	训练自定义声音模型
ElevenLabs Voice Clone	elevenlabs-voice-clone	声音克隆
ElevenLabs Voice Changer	elevenlabs-voice-changer	声音转换
ElevenLabs Voice Design v3	elevenlabs-voice-design-v3	高级声音设计
ElevenLabs Dubbing	elevenlabs-dubbing	视频配音
Chatterbox S2S	chatterbox-speech-to-speech	语音转语音
Open Voice	openvoice	开源声音克隆
XTTS v2	xtts-v2	多语言声音克隆
Stable Audio 2.5 Inpaint	stable-audio-2-5-inpaint	音频修补
Stable Audio 2.5 A2A	stable-audio-2-5-audio-to-audio	音频转换
Audio Trimmer	audio-trimmer-with-fade	带淡入淡出的音频裁剪

音频实用工具

模型	Slug	适用场景
FFmpeg Merge Audio Video	ffmpeg-api-merge-audio-video	将音频与视频合并
Toolkit Video Convert	toolkit	视频／音频转换

预测流程

1. 检查模型 GET https://api.eachlabs.ai/v1/model?slug=<slug> — 验证模型是否存在，并返回包含准确输入参数的 request_schema。创建预测前务必执行此步骤，以确保输入正确。
2. 使用模型 slug、版本 "0.0.1" 以及符合 schema 的输入，向 https://api.eachlabs.ai/v1/prediction 发送 POST 请求
3. 轮询 GET https://api.eachlabs.ai/v1/prediction/{id}，直到状态为 "success" 或 "failed"
4. 提取响应中的输出

示例

使用 ElevenLabs 进行文本转语音

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
    }
  }'

使用 ElevenLabs Scribe 进行转录

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"
    }
  }'

使用 Wizper（Whisper）进行转录

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"
    }
  }'

使用 Whisper 进行说话人分离

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
    }
  }'

使用 RVC v2 进行声音转换

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"
    }
  }'

将音频与视频合并

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 语音 ID

elevenlabs-text-to-speech 模型支持以下语音 ID。请传入原始 ID 字符串：

语音 ID	说明
EXAVITQu4vr4xnSDxMaL	默认语音
9BWtsMINqrJLrRacOk9x	—
CwhRBWXzGAHq8TQ4Fs17	—
FGY2WhTYpPnrIDTdsKH5	—
JBFqnCBsd6RMkjVDRZzb	—
N2lVS1w4EtoT3dr4eOWO	—
TX3LPaxmHKxFdv7VOQHJ	—
XB0fDUnXU5powFXDhCwa	—
onwK4e9ZLuTAKqWW03F9	—
pFZP5JQG7iQjIQuC4Bku	—

安全约束

• 禁止加载任意 URL：使用 custom_rvc_model_download_url 时，只能使用可信且由用户提供的模型引用。切勿从任意或不可信的 URL 获取模型。
• 输入验证：仅传入符合模型请求架构的参数。在创建预测之前，始终通过 GET /v1/model?slug=<slug> 验证模型标识。

参数参考

有关各模型的完整参数详情，请参阅 references/MODELS.md。