ElevenLabs Synthèse vocale

Générer une parole naturelle à partir de texte - supporte 70+ langues, plusieurs modèles pour des compromis qualité/latence.

Configuration : Voir le Guide d'installation. Pour JavaScript, utilisez uniquement les packages @elevenlabs/*.

Démarrage rapide

Python

from elevenlabs import ElevenLabs

client = ElevenLabs()

audio = client.text_to_speech.convert(
    text="Hello, welcome to ElevenLabs!",
    voice_id="JBFqnCBsd6RMkjVDRZzb",  # George
    model_id="eleven_multilingual_v2"
)

with open("output.mp3", "wb") as f:
    for chunk in audio:
        f.write(chunk)

JavaScript

import { ElevenLabsClient } from "@elevenlabs/elevenlabs-js";
import { createWriteStream } from "fs";

const client = new ElevenLabsClient();
const audio = await client.textToSpeech.convert("JBFqnCBsd6RMkjVDRZzb", {
  text: "Hello, welcome to ElevenLabs!",
  modelId: "eleven_multilingual_v2",
});
audio.pipe(createWriteStream("output.mp3"));

cURL

curl -X POST "https://api.elevenlabs.io/v1/text-to-speech/JBFqnCBsd6RMkjVDRZzb" \
  -H "xi-api-key: $ELEVENLABS_API_KEY" -H "Content-Type: application/json" \
  -d '{"text": "Hello!", "model_id": "eleven_multilingual_v2"}' --output output.mp3

Modèles

IDs de voix

Utilisez des voix pré-créées ou créez des voix personnalisées dans le tableau de bord.

Voix populaires :

• JBFqnCBsd6RMkjVDRZzb - George (masculin, narratif)
• EXAVITQu4vr4xnSDxMaL - Sarah (féminin, doux)
• onwK4e9ZLuTAKqWW03F9 - Daniel (masculin, autoritaire)
• XB0fDUnXU5powFXDhCwa - Charlotte (féminin, conversationnel)

voices = client.voices.get_all()
for voice in voices.voices:
    print(f"{voice.voice_id}: {voice.name}")

Paramètres de voix

Affinez le son de la voix :

• Stabilité : Cohérence de la voix. Valeurs basses = plus de gamme émotionnelle et variation, mais peut sonner instable. Valeurs hautes = débit régulier et prévisible.
• Similarité : Proximité avec l'échantillon de voix original. Valeurs hautes sonnent plus comme l'original mais peuvent amplifier les artefacts audio.
• Style : Exagère les caractéristiques de style unique de la voix (fonctionne uniquement avec les modèles v2+).
• Amplification du locuteur : Post-traitement qui améliore la clarté et la similarité vocale.

from elevenlabs import VoiceSettings

audio = client.text_to_speech.convert(
    text="Customize my voice settings.",
    voice_id="JBFqnCBsd6RMkjVDRZzb",
    voice_settings=VoiceSettings(
        stability=0.5,
        similarity_boost=0.75,
        style=0.5,
        speed=1.0,             # 0.25 to 4.0 (default 1.0)
        use_speaker_boost=True
    )
)

Forçage de langue

Forcez une langue spécifique pour la prononciation :

audio = client.text_to_speech.convert(
    text="Bonjour, comment allez-vous?",
    voice_id="JBFqnCBsd6RMkjVDRZzb",
    model_id="eleven_multilingual_v2",
    language_code="fr"  # Code ISO 639-1
)

Normalisation de texte

Contrôle la conversion des nombres, dates et abréviations en mots parlés. Par exemple, « 01/15/2026 » devient « January fifteenth, twenty twenty-six » :

• "auto" (défaut) : Le modèle décide selon le contexte
• "on" : Toujours normaliser (utilisez quand vous voulez une parole naturelle)
• "off" : Lire littéralement (utilisez quand vous voulez « zero one slash one five... »)

audio = client.text_to_speech.convert(
    text="Call 1-800-555-0123 on 01/15/2026",
    voice_id="JBFqnCBsd6RMkjVDRZzb",
    apply_text_normalization="on"
)

Assemblage de requêtes

Lors de la génération d'audio long en plusieurs requêtes, l'audio peut avoir des dépops, des pauses non naturelles ou des changements de ton aux limites. L'assemblage de requêtes résout cela en informant chaque requête de ce qui vient avant/après :

# Première requête
audio1 = client.text_to_speech.convert(
    text="This is the first part.",
    voice_id="JBFqnCBsd6RMkjVDRZzb",
    next_text="And this continues the story."
)

# Deuxième requête utilisant le contexte précédent
audio2 = client.text_to_speech.convert(
    text="And this continues the story.",
    voice_id="JBFqnCBsd6RMkjVDRZzb",
    previous_text="This is the first part."
)

Formats de sortie

Streaming

Pour les applications temps réel, utilisez la méthode stream (retourne les chunks audio au fur et à mesure de leur génération) :

audio_stream = client.text_to_speech.stream(
    text="This text will be streamed as audio.",
    voice_id="JBFqnCBsd6RMkjVDRZzb",
    model_id="eleven_flash_v2_5"  # Ultra-low latency
)

for chunk in audio_stream:
    play_audio(chunk)

Voir references/streaming.md pour le streaming WebSocket.

Gestion des erreurs

try:
    audio = client.text_to_speech.convert(
        text="Generate speech",
        voice_id="invalid-voice-id"
    )
except Exception as e:
    print(f"API error: {e}")

Erreurs courantes :

• 401 : Clé API invalide
• 422 : Paramètres invalides (vérifiez voice_id, model_id)
• 429 : Limite de débit dépassée

Suivi des coûts

Surveillez l'utilisation des caractères via les en-têtes de réponse (x-character-count, request-id) :

response = client.text_to_speech.convert.with_raw_response(
    text="Hello!", voice_id="JBFqnCBsd6RMkjVDRZzb", model_id="eleven_multilingual_v2"
)
audio = response.parse()
print(f"Characters used: {response.headers.get('x-character-count')}")

Références

• Guide d'installation
• Streaming audio
• Paramètres de voix