ElevenAPI
语音转文本 API，在 90 多种语言中具有近乎完美的准确率
语音转文本 API，在 90 多种语言中具有近乎完美的准确率
语音转文本 API，在 90 多种语言中具有近乎完美的准确率
Scribe 是我们用于实时和批量转录的量产级语音转文本 API，是运行 Whisper 或 OpenAI 语音转文本 API 的托管替代方案。它支持 90 多种语言的语音转文本，并提供字词级时间戳以及发言人角色识别（日记化功能）。
每月 10K 免费额度
完整访问所有 API
SOC 2 Type 2 和 ISO 27001 认证
声音听起来自然且富有情感，并配有稳固可靠的 API。这让我们能够满怀信心地拓展新语言和新市场。
声音听起来自然且富有情感，并配有稳固可靠的 API。这让我们能够满怀信心地拓展新语言和新市场。
詹库特·科斯图尔
Codeway 高级工程师
from elevenlabs import ElevenLabs client = ElevenLabs(api_key="sk_...") transcript = client.speech_to_text.convert( model_id="scribe_v1", file=open("meeting.mp3", "rb"), diarize=True, ) # text, word-level timestamps, speaker labels
$ curl -X POST https://api.elevenlabs.io/v1/speech-to-text -H "xi-api-key: $ELEVENLABS_API_KEY" \ -F model_id="scribe_v1" \ -F diarize=true \ -F file=@meeting.mp3 # → { "text": "...", "words": [...], "speakers": [...] }
import { ElevenLabsClient } from "elevenlabs"; import fs from "fs"; const client = new ElevenLabsClient({ apiKey: process.env.ELEVENLABS_API_KEY, }); const transcript = await client.speechToText.convert({ modelId: "scribe_v1", file: fs.createReadStream("meeting.mp3"), diarize: true, });
import { ElevenLabsClient } from "elevenlabs"; import fs from "fs"; const client = new ElevenLabsClient({ apiKey: process.env.ELEVENLABS_API_KEY! }); const transcript = await client.speechToText.convert({ modelId: "scribe_v1", file: fs.createReadStream("meeting.mp3"), diarize: true, }); // 90+ languages; ~150ms realtime path available
from elevenlabs import ElevenLabs client = ElevenLabs(api_key="sk_...") transcript = client.speech_to_text.convert( model_id="scribe_v1", file=open("meeting.mp3", "rb"), diarize=True, ) # text, word-level timestamps, speaker labels
$ curl -X POST https://api.elevenlabs.io/v1/speech-to-text -H "xi-api-key: $ELEVENLABS_API_KEY" \ -F model_id="scribe_v1" \ -F diarize=true \ -F file=@meeting.mp3 # → { "text": "...", "words": [...], "speakers": [...] }
import { ElevenLabsClient } from "elevenlabs"; import fs from "fs"; const client = new ElevenLabsClient({ apiKey: process.env.ELEVENLABS_API_KEY, }); const transcript = await client.speechToText.convert({ modelId: "scribe_v1", file: fs.createReadStream("meeting.mp3"), diarize: true, });
import { ElevenLabsClient } from "elevenlabs"; import fs from "fs"; const client = new ElevenLabsClient({ apiKey: process.env.ELEVENLABS_API_KEY! }); const transcript = await client.speechToText.convert({ modelId: "scribe_v1", file: fs.createReadStream("meeting.mp3"), diarize: true, }); // 90+ languages; ~150ms realtime path available
from elevenlabs import ElevenLabs client = ElevenLabs(api_key="sk_...") transcript = client.speech_to_text.convert( model_id="scribe_v1", file=open("meeting.mp3", "rb"), diarize=True, ) # text, word-level timestamps, speaker labels
$ curl -X POST https://api.elevenlabs.io/v1/speech-to-text -H "xi-api-key: $ELEVENLABS_API_KEY" \ -F model_id="scribe_v1" \ -F diarize=true \ -F file=@meeting.mp3 # → { "text": "...", "words": [...], "speakers": [...] }
import { ElevenLabsClient } from "elevenlabs"; import fs from "fs"; const client = new ElevenLabsClient({ apiKey: process.env.ELEVENLABS_API_KEY, }); const transcript = await client.speechToText.convert({ modelId: "scribe_v1", file: fs.createReadStream("meeting.mp3"), diarize: true, });
import { ElevenLabsClient } from "elevenlabs"; import fs from "fs"; const client = new ElevenLabsClient({ apiKey: process.env.ELEVENLABS_API_KEY! }); const transcript = await client.speechToText.convert({ modelId: "scribe_v1", file: fs.createReadStream("meeting.mp3"), diarize: true, }); // 90+ languages; ~150ms realtime path available
声音听起来自然且富有情感，并配有稳固可靠的 API。这让我们能够满怀信心地拓展新语言和新市场。
詹库特·科斯图尔
Codeway 高级工程师
深受全球领先品牌工程师的信赖
深受全球领先品牌工程师的信赖
获取10,000个免费积分
获取10,000个免费积分
获取10,000个免费积分
现在开始使用最优质的生产级语音转文字 AI API。
现在开始使用最优质的生产级语音转文字 AI API。
免费获得1万点数
免费注册即可立即获得 10,000 点积分。无需信用卡。
免费获得1万点数
免费注册即可立即获得 10,000 点积分。无需信用卡。
免费获得1万点数
免费注册即可立即获得 10,000 点积分。无需信用卡。
获取您的 API 密钥
从您的控制面板轻松生成 API 密钥。包含免费层级。
获取您的 API 密钥
从您的控制面板轻松生成 API 密钥。包含免费层级。
获取您的 API 密钥
从您的控制面板轻松生成 API 密钥。包含免费层级。
开始构建
只需一个请求即可返回流式音频。将其接入您的应用程序，即可立即上线。
开始构建
只需一个请求即可返回流式音频。将其接入您的应用程序，即可立即上线。
开始构建
只需一个请求即可返回流式音频。将其接入您的应用程序，即可立即上线。
您的完整音频栈，只需一键集成
您的完整音频栈，只需一键集成
您的完整音频栈，只需一键集成
免费获取您的 API 密钥
语音转文本 API
以完美的准确率转录90多种语言的音频。包含字级时间戳和发言人识别。
语音转文本 API
以完美的准确率转录90多种语言的音频。包含字级时间戳和发言人识别。
语音转文本 API
以完美的准确率转录90多种语言的音频。包含字级时间戳和发言人识别。
语音合成 API
生成 70 多种语言的逼真语音。使用 v3 调整情感深度，或使用 Flash v2.5 实现约 75 毫秒的超快推理。
语音合成 API
生成 70 多种语言的逼真语音。使用 v3 调整情感深度，或使用 Flash v2.5 实现约 75 毫秒的超快推理。
语音合成 API
生成 70 多种语言的逼真语音。使用 v3 调整情感深度，或使用 Flash v2.5 实现约 75 毫秒的超快推理。
变声器 API
将任何声音的音频转换成目标声音，同时保留其节奏、语调和情感表达。
变声器 API
将任何声音的音频转换成目标声音，同时保留其节奏、语调和情感表达。
变声器 API
将任何声音的音频转换成目标声音，同时保留其节奏、语调和情感表达。
音乐 API
只需输入文本提示，即可生成任何流派或风格的录音室级品质赛道。免版税，可直接用于商业用途。
音乐 API
只需输入文本提示，即可生成任何流派或风格的录音室级品质赛道。免版税，可直接用于商业用途。
音乐 API
只需输入文本提示，即可生成任何流派或风格的录音室级品质赛道。免版税，可直接用于商业用途。
音效 API
通过文本提示词生成音效和环境音。每次请求都会返回四个免版税的选项。
音效 API
通过文本提示词生成音效和环境音。每次请求都会返回四个免版税的选项。
音效 API
通过文本提示词生成音效和环境音。每次请求都会返回四个免版税的选项。
代理 API
构建具备自然轮流发言、打断处理和冲突缓解能力的生产级语音智能体。
代理 API
构建具备自然轮流发言、打断处理和冲突缓解能力的生产级语音智能体。
代理 API
构建具备自然轮流发言、打断处理和冲突缓解能力的生产级语音智能体。
语音设计 API
用通俗易懂的语言描述一种声音，并在几秒钟内生成全新且专属的语音。您可以在每个 ElevenAPI 界面中使用它。
语音设计 API
用通俗易懂的语言描述一种声音，并在几秒钟内生成全新且专属的语音。您可以在每个 ElevenAPI 界面中使用它。
语音设计 API
用通俗易懂的语言描述一种声音，并在几秒钟内生成全新且专属的语音。您可以在每个 ElevenAPI 界面中使用它。
声音克隆 API
使用不到一分钟的音频，即可创建即时声音克隆。可在所有 ElevenLabs 产品和 API 中使用。
声音克隆 API
使用不到一分钟的音频，即可创建即时声音克隆。可在所有 ElevenLabs 产品和 API 中使用。
声音克隆 API
使用不到一分钟的音频，即可创建即时声音克隆。可在所有 ElevenLabs 产品和 API 中使用。
配音 API
跨越 90 多种语言翻译并重新配音视频内容。演讲者的身份、时机和语气均得以保留。
配音 API
跨越 90 多种语言翻译并重新配音视频内容。演讲者的身份、时机和语气均得以保留。
配音 API
跨越 90 多种语言翻译并重新配音视频内容。演讲者的身份、时机和语气均得以保留。
语音引擎 API
只需几分钟，即可为您的聊天智能体添加真人般的声音层。您的大语言模型（LLM）、检索增强生成（RAG）和系统架构将保持原样，无需任何改动。
语音引擎 API
只需几分钟，即可为您的聊天智能体添加真人般的声音层。您的大语言模型（LLM）、检索增强生成（RAG）和系统架构将保持原样，无需任何改动。
语音引擎 API
只需几分钟，即可为您的聊天智能体添加真人般的声音层。您的大语言模型（LLM）、检索增强生成（RAG）和系统架构将保持原样，无需任何改动。
财富500强企业首选的API平台
财富500强企业首选的API平台
财富500强企业首选的API平台
SSO 和 SCIM
SAML/OIDC、基于角色的访问控制、审计日志
SSO 和 SCIM
SAML/OIDC、基于角色的访问控制、审计日志
SSO 和 SCIM
SAML/OIDC、基于角色的访问控制、审计日志
自定义服务等级协议 (SLA)
预留吞吐量、优先级路由、随时待命的支持工程师
自定义服务等级协议 (SLA)
预留吞吐量、优先级路由、随时待命的支持工程师
自定义服务等级协议 (SLA)
预留吞吐量、优先级路由、随时待命的支持工程师
数据控制
零保留、数据保护协定（DPA）、区域处理、不使用您的数据进行模型训练
数据控制
零保留、数据保护协定（DPA）、区域处理、不使用您的数据进行模型训练
数据控制
零保留、数据保护协定（DPA）、区域处理、不使用您的数据进行模型训练
同意和安全工具
语音验证和溯源技术已内置于克隆 API 中
同意和安全工具
语音验证和溯源技术已内置于克隆 API 中
同意和安全工具
语音验证和溯源技术已内置于克隆 API 中
按需付費 API 定價
按需付費 API 定價
按需付費 API 定價
无论您选择哪种计划或交易量，费率都完全相同。无隐藏费用，无超额费用。
无论您选择哪种计划或交易量，费率都完全相同。无隐藏费用，无超额费用。
领先的语音转文本 API，专为生产环境打造
领先的语音转文本 API，专为生产环境打造
领先的语音转文本 API，专为生产环境打造
实时语音转文本 API
通过 WebSocket 传输，结果仅需不到 150 毫秒
实时语音转文本 API
通过 WebSocket 传输，结果仅需不到 150 毫秒
实时语音转文本 API
通过 WebSocket 传输，结果仅需不到 150 毫秒
支持90多种语言的在线语音转文字
无托管模型
支持90多种语言的在线语音转文字
无托管模型
支持90多种语言的在线语音转文字
无托管模型
批量语音转文字 API
适用于大文件和历史目录归档
批量语音转文字 API
适用于大文件和历史目录归档
批量语音转文字 API
适用于大文件和历史目录归档
一个适用于实时和批处理的语音转文本 API
字级时间戳和说话人识别
一个适用于实时和批处理的语音转文本 API
字级时间戳和说话人识别
一个适用于实时和批处理的语音转文本 API
字级时间戳和说话人识别
我们是世界上首家直接通过网络提供人工智能功能的机构。我们正在消除障碍。无需应用程序，无需特殊设备，也无需复杂的技术。
我们是世界上首家直接通过网络提供人工智能功能的机构。我们正在消除障碍。无需应用程序，无需特殊设备，也无需复杂的技术。
我们是世界上首家直接通过网络提供人工智能功能的机构。我们正在消除障碍。无需应用程序，无需特殊设备，也无需复杂的技术。
![](data:image/svg+xml,<svg display="block" id="2851063554" role="presentation" viewBox="0 0 32 32" xmlns="http://www.w3.org/2000/svg"><path d="M 32 32 L 0 32 L 0 0 L 32 0 Z M 7.954 12.964 L 9.094 12.964 L 9.094 12.702 C 9.094 9.777 10.998 7.788 13.996 7.788 L 14.271 7.788 L 14.271 21.935 C 14.271 23.336 13.536 24.287 11.935 24.287 L 11.007 24.287 L 11.007 25.637 L 20.994 25.637 L 20.994 24.287 L 20.066 24.287 C 18.465 24.287 17.731 23.336 17.731 21.936 L 17.731 7.787 L 18.005 7.787 C 21.003 7.787 22.907 9.776 22.907 12.701 L 22.907 12.963 L 24.047 12.963 L 24.047 6.437 L 7.955 6.437 L 7.955 12.964 Z M 7.953 14.138 L 7.953 17.978 L 11.78 17.978 L 11.78 14.138 Z M 20.22 17.978 L 24.047 17.978 L 24.047 14.138 L 20.22 14.138 Z" fill="rgb(219, 2, 111)" height="32px" id="RmxBrlzs4" transform="translate(0 -0.005)" width="32px"/></svg>)
阿卜杜·穆德西尔
产品与技术，德国电信 / T-Mobile
由工程师为工程师打造
由工程师为工程师打造
由工程师为工程师打造
ElevenLabs 解决了机械、生硬的 AI 配音问题。API 集成很顺畅，这使其易于在应用程序和自动化系统中实现。
![](data:image/svg+xml,<svg display="block" id="3726906826" role="presentation" viewBox="0 0 40 40" xmlns="http://www.w3.org/2000/svg"><g fill="transparent" height="40px" id="ui5FobGT8" width="40px"><path d="M 40 20 C 40 31.046 31.046 40 20 40 C 8.955 40 0 31.046 0 20 C 0 8.955 8.955 0 20 0 C 31.046 0 40 8.955 40 20 Z" fill="rgb(255, 73, 44)" height="40px" id="rphN51G_d" width="40px"/><path d="M 8.94 5.925 L 5.522 5.925 C 5.615 5.389 5.945 5.09 6.617 4.75 L 7.247 4.43 C 8.372 3.855 8.972 3.205 8.972 2.142 C 8.972 1.474 8.714 0.949 8.197 0.568 C 7.691 0.186 7.072 0 6.359 0 C 5.791 0 5.275 0.145 4.8 0.444 C 4.335 0.731 3.984 1.103 3.767 1.566 L 4.759 2.555 C 5.14 1.782 5.697 1.401 6.431 1.401 C 7.051 1.401 7.432 1.721 7.432 2.164 C 7.432 2.535 7.247 2.844 6.534 3.205 L 6.131 3.4 C 5.254 3.844 4.644 4.349 4.294 4.925 C 3.944 5.492 3.767 6.223 3.767 7.1 L 3.767 7.336 L 8.94 7.336 Z M 8.476 8.971 L 2.826 8.971 L 0 13.866 L 5.65 13.866 L 8.475 18.761 L 11.3 13.866 L 8.475 8.973 Z" fill="rgb(255, 255, 255)" height="18.761251487731933px" id="yg4lSGsgI" transform="translate(20 9.375)" width="11.300000000000004px"/><path d="M 11.433 17.954 C 7.827 17.952 4.904 15.031 4.899 11.425 C 4.904 7.819 7.827 4.898 11.433 4.896 L 13.67 0.219 C 12.933 0.073 12.184 0 11.433 0 C 5.119 0 0 5.115 0 11.425 C 0 17.735 5.119 22.85 11.433 22.85 C 13.95 22.85 16.276 22.038 18.165 20.659 L 15.689 16.371 C 14.506 17.393 12.995 17.955 11.433 17.954 Z" fill="rgb(255, 255, 255)" height="22.850001762623435px" id="vxuVzQrYm" transform="translate(8.75 8.75)" width="18.164999999999996px"/></g></svg>)
Rexus
已验证的 G2 评论
ElevenLabs 解决了机械、生硬的 AI 配音问题。API 集成很顺畅，这使其易于在应用程序和自动化系统中实现。
Rexus
已验证的 G2 评论
即使文本较长，质量也始终一致，而且 API 很容易集成。语音自定义、稳定性和低延迟，使它成为一个 适合生产环境使用的可靠工具，不只是用于演示。
沃伊切赫 K.
已验证的 G2 评论
即使文本较长，质量也始终一致，而且 API 很容易集成。语音自定义、稳定性和低延迟，使它成为一个 适合生产环境使用的可靠工具，不只是用于演示。
沃伊切赫 K.
已验证的 G2 评论
我喜欢它的界面非常直观，而且API 也很容易基于其进行开发。这是一个功能丰富、种类多样的服务，只有在你需要时才会展示你想要的工具。
亚当 B.
已验证的 G2 评论
我喜欢它的界面非常直观，而且API 也很容易基于其进行开发。这是一个功能丰富、种类多样的服务，只有在你需要时才会展示你想要的工具。
亚当 B.
已验证的 G2 评论
我喜欢的另一个新变化是增强后的 API 灵活性，它让开发者能够将 ElevenLabs 集成到更广泛的应用场景中——从播客和有声书到实时对话代理——同时又不会牺牲质量或响应速度。
索努·K.
已验证的 G2 评论
我喜欢的另一个新变化是增强后的 API 灵活性，它让开发者能够将 ElevenLabs 集成到更广泛的应用场景中——从播客和有声书到实时对话代理——同时又不会牺牲质量或响应速度。
索努·K.
已验证的 G2 评论
初始设置非常简单，而且我在自己的项目中大量使用这个 API，包括英语学习应用和故事应用，因为我是一名 Android 和 iOS 开发者。
阿南德 B.
已验证的 G2 评论
初始设置非常简单，而且我在自己的项目中大量使用这个 API，包括英语学习应用和故事应用，因为我是一名 Android 和 iOS 开发者。
阿南德 B.
已验证的 G2 评论
该 API 的能力可以针对包括中文和韩语在内的多种语言的大批量处理，自动进行语音转文本转换，直接提升了我们的工作流程。
维达斯瓦鲁普 I.
已验证的 G2 评论
该 API 的能力可以针对包括中文和韩语在内的多种语言的大批量处理，自动进行语音转文本转换，直接提升了我们的工作流程。
维达斯瓦鲁普 I.
已验证的 G2 评论
ElevenLabs 的初始设置令人印象深刻地简单，可以快速访问 API 集成，并高效生成旁白。
Mohdhafiz L.
已验证的 G2 评论
我很喜欢 ElevenLabs 如何通过其网页界面、API 和应用程序集成无缝融入各种工作流程，使其成为一种既适合日常使用也适合专业用途的多功能解决方案。
Chinonso N.
已验证的 G2 评论
语音听起来非常逼真，而且有很多选项可供选择。我很喜欢能够通过文本创建语音，而且 API 响应速度快得令人印象深刻。
埃里克 C.
已验证的 G2 评论
ElevenLabs 的整个设置过程都非常简单快捷，包括找到 API 密钥，这极大地促进了我的工作流程。
Lucello H.
已验证的 G2 评论
我真的很喜欢这些声音听起来如此自然、如此像真人。Text-to-Speech API 很容易与 Python 集成，而且响应时间非常快。它与我的 AI 助手项目配合得非常完美。
阿迦 E.
已验证的 G2 评论
这种文本转语音功能真的非常神奇，在阅读学术文章以及将该 API 用作我手机的应答助手时，都大大提升了我的体验。
阿吉博拉 L.
已验证的 G2 评论
初始设置非常简单。从创建账户到首次成功发出 API 请求，只用了大约 20 分钟。
斯科特 H.
已验证的 G2 评论
文档非常出色，让设置变得非常简单。只需获取一个 API 密钥，就能大大简化整个流程。高性价比也同样是一大优势。
Livan C.
已验证的 G2 评论
作为一名在 AI 初创公司工作的软件工程师，我对 ElevenLabs 的体验总体上非常积极。仪表板直观易用，他们的 API 文档清晰明了，而且对初学者很友好。
埃莎 D.
已验证的 G2 评论
我很喜欢集成有多么简单，以及整体使用起来有多么方便。我非常看重语音克隆 API 和使用情况仪表板。尤其令人印象深刻的是，添加情绪和克隆声音都如此容易。
贾迪普·R.
已验证的 G2 评论
它在自动化我们应用中的语音回复方面至关重要，使我们能够将 AI 生成的文本转换为语音，并以零摩擦的大规模方式交付。该 API 速度快、可靠，而且能与其他工具很好地协同工作，这极大提升了我们的生产效率。
Lee H.
已验证的 G2 评论
我使用 ElevenLabs 为我的 AI 故事应用提供支持，声音质量真正让整个体验鲜活起来。得益于简洁的 API，集成速度非常快。用户经常说，旁白听起来很“有人味”，这正是我想要的效果。
凯文 E.
已验证的 G2 评论
常见问题解答
常见问题解答
常见问题解答
Scribe 是一个托管的替代方案：您无需自己部署或扩展 Whisper，即可获得支持 90 多种语言、具备词级时间戳和说话人识别的行业领先准确性，并在 150 毫秒内获得实时结果。
是的 - 上传会议音频、通话、播客或任何录音，即可获取带有发言人标签和时间戳的转录文本。支持批量处理大文件或实时流式传输。
Flash v2.5 的模型推理时间约合 75 毫秒，非常适合低延迟语音应用。对于实时转录，Scribe v2 Realtime 可以在 150 毫秒内完成转录。对于更注重表现力或语言广度而非速度的使用场景，则可以使用 Eleven v3 和 Multilingual v2。
ElevenLabs 拥有 SOC 2 Type 2、ISO 27001、ISO 27018、HIPAA（认证）、GDPR（审计）以及 PCI DSS Level 1 等多项认证。数据在传输和存储过程中均经过加密。针对更严格的数据合规要求，我们还提供区域数据驻留和零保留模式（Zero Retention Mode）。
Eleven v3 支持 70 多种语言。Flash v2.5（针对低延迟进行了优化）支持 32 种语言。Dubbing v2 支持 90 多种语言。您可以从声音库（Voice Library）中的 10,000 多种预建声音中进行选择，也可以创建自己的声音。
即时声音克隆仅需不到一分钟的样本音频即可工作。对于品牌声音或独特的发音特征（如口音、语调、表达风格），专业声音克隆能够捕捉到更深层次 grave 的细节。两者均可通过 API 获得，以便您能够以编程方式进行大规模的声音克隆和提供服务。
是的 - 每个账户在注册时都将获得 10,000 个免费额度，无需绑定信用卡，因此您可以在扩展规模之前免费测试该语音转文字 API。
这是一个完整的平台。ElevenAgents 处理了整个对话循环——包括轮次检测、打断处理、工具调用以及实时语音——无需您将独立的语音识别（ASR）、语音合成（TTS）和编排服务商拼接在一起。您可以在同一个平台上配置、部署和监控智能体。
绝大多数开发者在评估 ElevenLabs 时的首要考量就是语音质量。其模型生成的 AI 声音听起来与真人录音几乎毫无差别——在各种口音和语言中都具有准确的韵律、自然的停顿以及丰富的情感范围。在您的应用场景中验证这一效果的最佳方式是直接通过 API 运行音频，无需进行任何销售咨询。
我们的文档涵盖了完整的 API 范畴——包括 SDK、流式传输、Webhook、ElevenAgents 配置（ElevenAgents configuration）以及 Scribe。Discord 上有一个活跃的开发者社区，可提供同行支持与反馈。付费计划包含电子邮件支持，企业计划则包含具有明确服务等级协议（SLA） summit 的专属支持。
Scribe 是一个托管的替代方案：您无需自己部署或扩展 Whisper，即可获得支持 90 多种语言、具备词级时间戳和说话人识别的行业领先准确性，并在 150 毫秒内获得实时结果。
是的 - 上传会议音频、通话、播客或任何录音，即可获取带有发言人标签和时间戳的转录文本。支持批量处理大文件或实时流式传输。
Flash v2.5 的模型推理时间约合 75 毫秒，非常适合低延迟语音应用。对于实时转录，Scribe v2 Realtime 可以在 150 毫秒内完成转录。对于更注重表现力或语言广度而非速度的使用场景，则可以使用 Eleven v3 和 Multilingual v2。
ElevenLabs 拥有 SOC 2 Type 2、ISO 27001、ISO 27018、HIPAA（认证）、GDPR（审计）以及 PCI DSS Level 1 等多项认证。数据在传输和存储过程中均经过加密。针对更严格的数据合规要求，我们还提供区域数据驻留和零保留模式（Zero Retention Mode）。
Eleven v3 支持 70 多种语言。Flash v2.5（针对低延迟进行了优化）支持 32 种语言。Dubbing v2 支持 90 多种语言。您可以从声音库（Voice Library）中的 10,000 多种预建声音中进行选择，也可以创建自己的声音。
即时声音克隆仅需不到一分钟的样本音频即可工作。对于品牌声音或独特的发音特征（如口音、语调、表达风格），专业声音克隆能够捕捉到更深层次 grave 的细节。两者均可通过 API 获得，以便您能够以编程方式进行大规模的声音克隆和提供服务。
是的 - 每个账户在注册时都将获得 10,000 个免费额度，无需绑定信用卡，因此您可以在扩展规模之前免费测试该语音转文字 API。
这是一个完整的平台。ElevenAgents 处理了整个对话循环——包括轮次检测、打断处理、工具调用以及实时语音——无需您将独立的语音识别（ASR）、语音合成（TTS）和编排服务商拼接在一起。您可以在同一个平台上配置、部署和监控智能体。
绝大多数开发者在评估 ElevenLabs 时的首要考量就是语音质量。其模型生成的 AI 声音听起来与真人录音几乎毫无差别——在各种口音和语言中都具有准确的韵律、自然的停顿以及丰富的情感范围。在您的应用场景中验证这一效果的最佳方式是直接通过 API 运行音频，无需进行任何销售咨询。
我们的文档涵盖了完整的 API 范畴——包括 SDK、流式传输、Webhook、ElevenAgents 配置（ElevenAgents configuration）以及 Scribe。Discord 上有一个活跃的开发者社区，可提供同行支持与反馈。付费计划包含电子邮件支持，企业计划则包含具有明确服务等级协议（SLA） summit 的专属支持。
Scribe 是一个托管的替代方案：您无需自己部署或扩展 Whisper，即可获得支持 90 多种语言、具备词级时间戳和说话人识别的行业领先准确性，并在 150 毫秒内获得实时结果。
是的 - 上传会议音频、通话、播客或任何录音，即可获取带有发言人标签和时间戳的转录文本。支持批量处理大文件或实时流式传输。
Flash v2.5 的模型推理时间约合 75 毫秒，非常适合低延迟语音应用。对于实时转录，Scribe v2 Realtime 可以在 150 毫秒内完成转录。对于更注重表现力或语言广度而非速度的使用场景，则可以使用 Eleven v3 和 Multilingual v2。
ElevenLabs 拥有 SOC 2 Type 2、ISO 27001、ISO 27018、HIPAA（认证）、GDPR（审计）以及 PCI DSS Level 1 等多项认证。数据在传输和存储过程中均经过加密。针对更严格的数据合规要求，我们还提供区域数据驻留和零保留模式（Zero Retention Mode）。
Eleven v3 支持 70 多种语言。Flash v2.5（针对低延迟进行了优化）支持 32 种语言。Dubbing v2 支持 90 多种语言。您可以从声音库（Voice Library）中的 10,000 多种预建声音中进行选择，也可以创建自己的声音。
即时声音克隆仅需不到一分钟的样本音频即可工作。对于品牌声音或独特的发音特征（如口音、语调、表达风格），专业声音克隆能够捕捉到更深层次 grave 的细节。两者均可通过 API 获得，以便您能够以编程方式进行大规模的声音克隆和提供服务。
是的 - 每个账户在注册时都将获得 10,000 个免费额度，无需绑定信用卡，因此您可以在扩展规模之前免费测试该语音转文字 API。
这是一个完整的平台。ElevenAgents 处理了整个对话循环——包括轮次检测、打断处理、工具调用以及实时语音——无需您将独立的语音识别（ASR）、语音合成（TTS）和编排服务商拼接在一起。您可以在同一个平台上配置、部署和监控智能体。
绝大多数开发者在评估 ElevenLabs 时的首要考量就是语音质量。其模型生成的 AI 声音听起来与真人录音几乎毫无差别——在各种口音和语言中都具有准确的韵律、自然的停顿以及丰富的情感范围。在您的应用场景中验证这一效果的最佳方式是直接通过 API 运行音频，无需进行任何销售咨询。
我们的文档涵盖了完整的 API 范畴——包括 SDK、流式传输、Webhook、ElevenAgents 配置（ElevenAgents configuration）以及 Scribe。Discord 上有一个活跃的开发者社区，可提供同行支持与反馈。付费计划包含电子邮件支持，企业计划则包含具有明确服务等级协议（SLA） summit 的专属支持。
发布人们能听到的产品
发布人们能听到的产品
发布人们能听到的产品
获取 10,000 个免费额度，立即开始构建。
获取 10,000 个免费额度，立即开始构建。