ElevenLabs 文本转对话 V3: AI 音频与音乐

使用 ElevenLabs V3 根据对话脚本生成富有表现力的多说话人音频。非常适合播客、有声书和互动语音应用。

📝

概览

关于此模型

ElevenLabs Text to Dialogue V3 可以根据结构化对话脚本生成自然且富有表现力的多说话人对话。每个说话人都可以分配独特的声音，从而生成适用于播客、有声书、互动小说和对话式 AI 应用的工作室级音频。模型支持多种语言，并提供稳定性控制，让你可以调整每个声音在较长会话中的一致性。

Text to Dialogue V3 基于 ElevenLabs 最新的 V3 合成引擎构建，无需后期处理即可生成逼真的语调和丰富的情绪变化。只需定义说话人、分配 voice ID 并提交请求，模型就会自动处理轮流发言、节奏和韵律。

1制作包含多位主持人的播客和广播节目

2使用不同角色声音进行有声书旁白

3生成互动小说和游戏对话

4制作客服演示对话和训练数据

5使用母语者声音制作语言学习材料

6制作包含多种说话人声音的自动视频旁白脚本

💰

价格与价值

成本分析

提供商	费用	备注
muapiapp	$0.10 每次生成	muapiapp provides ElevenLabs Text to Dialogue V3 at a competitive flat rate with no per-character 收费, making it predictable and cost-effective for multi-turn dialogues.
ElevenLabs (direct)	按字符计价（因情况而异）	ElevenLabs 收费 per character consumed. Longer dialogues can quickly exceed $0.10, making muapiapp the more economical choice for multi-speaker scripts.

muapiapp$0.10 每次生成

muapiapp provides ElevenLabs Text to Dialogue V3 at a competitive flat rate with no per-character 收费, making it predictable and cost-effective for multi-turn dialogues.

ElevenLabs (direct)按字符计价（因情况而异）

ElevenLabs 收费 per character consumed. Longer dialogues can quickly exceed $0.10, making muapiapp the more economical choice for multi-speaker scripts.

** 竞品价格根据相似模型架构和使用层级估算。

⚙️

技术详情

配置参数

参数	类型	描述	默认值
对话脚本	array	说话人轮次列表。	`-`
稳定性	number	决定声音的稳定性和随机性（0 到 1，默认 0.5）。	`0.5`
语言代码	枚举（74 个选项）	对话的目标语言。留空则自动检测语言。	`null`

对话脚本array

说话人轮次列表。

默认值-

稳定性number

决定声音的稳定性和随机性（0 到 1，默认 0.5）。

默认值0.5

语言代码枚举（74 个选项）

对话的目标语言。留空则自动检测语言。

默认值null

📖

实施指南

开发者文档

如何使用 ElevenLabs Text to Dialogue V3

构建对话脚本
- 构建 dialogue 数组：每个项目都是一个对象，包含说话人台词的 text 字段，以及该说话人 ElevenLabs 声音 ID 的 voice_id 字段。
- 从内置列表中选择声音（例如 James、Arabella、Laura），或粘贴你自己的自定义 voice ID。
调整稳定性（可选）
- 设置 stability（0.0–1.0，默认 0.5）来控制声音一致性。数值越高，声音越稳定；数值越低，表达变化越丰富。
设置语言（可选）
- 使用 language_code（例如 en、fr、de）提示目标语言，从而改善发音。
提交请求
- 将 JSON 发送到端点 api/v1/elevenlabs-text-to-dialogue-v3。
获取音频
- 响应中会包含生成音频文件的 URL。你可以直接下载或将其流式传输到应用中。

❓

常见问题

常见问答

如何为不同说话人分配不同声音？

`dialogue` 数组中的每个项目都有一个 `voice_id` 字段。为每个说话人设置不同的 voice ID，即可让每个角色拥有独特声音。你可以从内置声音列表中选择，也可以提供自己的 ElevenLabs 自定义 voice ID。

Text to Dialogue V3 支持哪些语言？

模型支持包括英语、法语、德语、西班牙语、葡萄牙语、意大利语、波兰语等在内的多种语言。传入相应的 `language_code`（例如 `en`、`fr`），可以改善非英语脚本的准确性和发音。

`stability` 参数控制什么？

`stability`（0.0–1.0）控制每个声音在对话中的一致程度。接近 1.0 的值会让声音高度统一且可预测，而较低的值会带来更丰富的音高和表达变化。

一次对话可以包含多少个说话人？

说话人轮次没有硬性上限。你可以在一次请求中根据需要混合任意数量的说话人，只需为不同的对话项目分配不同的 voice ID。