ElevenLabs auf Mage

Zwei. Eleven Speech ist die Text-to-Speech-Funktion von ElevenLabs und nutzt Eleven v4, das ausdrucksstärkste Stimmmodell: 16 Stimmen, über 90 Sprachen und Audio-Tags wie [whispers], [laughs] oder [door creaks], die den Vortrag Zeile für Zeile steuern. Eleven Music ist das Musikmodell von ElevenLabs: komplette Songs mit Text und Gesang oder Instrumentals, von 10 Sekunden bis 5 Minuten.

Beide laufen direkt über ElevenLabs, die Stimmen und Songs stammen also von ElevenLabs selbst. Du nutzt sie mit deinem Mage-Konto statt mit einem separaten ElevenLabs-Abo: mit Gems in jedem Plan oder unbegrenzt in einem bezahlten Plan bis zu der Länge, die der Plan abdeckt.

Mage ist eine unabhängige Kreativplattform und kein Teil von ElevenLabs. Mage ergänzt alles rund ums Audio: Bildmodelle wie Mango 3 und Nano Banana, Videomodelle wie Cherry 2 Pro, gespeicherte Characters, die in jedem Clip ihr Gesicht und ihre Stimme behalten, und Apps wie Lipsync und Music Video, die das Audio ins Bild bringen.

Eleven v4 liest das ganze Skript, bevor es spricht, sodass Betonung, Tempo und Emotion zur Bedeutung passen. Tags in eckigen Klammern steuern es: [excited], [sarcastic] und [softly] ändern die Emotion; [whispers] und [shouting] die Lautstärke; [sighs] und [laughs] fügen eine Reaktion hinzu; [door creaks] oder [applause] fügen ein Geräusch in die Sprachausgabe ein. Die MP3 ist genau so lang wie der Vortrag, und eine Anfrage nimmt bis zu 5.000 Zeichen auf.

Wähle aus 16 Stimmen, vom warmen Geschichtenerzähler bis zum eleganten britischen Nachrichtensprecher, und schreibe in einer von über 90 Sprachen. Der Leitfaden zu KI-Text-to-Speech behandelt Skripte und Stimmen ausführlich, und die Modellseite von Eleven Speech enthält Beispiele auf Englisch, Spanisch, Französisch und Japanisch.

• Setze einen Tag direkt vor die Zeile, die er verändert
• Nutze Auslassungspunkte für Pausen
• Senke die Stabilität für einen ausdrucksstärkeren Vortrag
• Schreibe Zahlen aus, wenn es auf die Aussprache ankommt

Eleven Music komponiert aus einer Beschreibung einen neuen Song, schreibt den Text dazu und singt ihn – oder spielt ein Instrumental, wenn du „Instrumental“ aktivierst. Die Länge beträgt genau 10, 30, 60, 120, 180 oder 300 Sekunden. Beschreibe Genre, Stimmung, Tempo, Instrumente, Sänger und Thema; nenne einen Stil statt eines Künstlers, denn Prompts mit echten Künstlernamen oder Zitaten aus bestehenden Songtexten werden abgelehnt.

Mehr zum Schreiben von Song-Prompts findest du im Leitfaden zum KI-Song-Generator. Die Modellseite von Eleven Music enthält Beispiele von Pop und R&B bis Reggaeton und Lo-Fi.

Mit einem bezahlten Tarif läuft eine Anfrage ohne Gems, wenn sie in den Tarif passt. Eleven Speech wird nach der Länge des Textes bemessen: Basic deckt 750 Zeichen pro Anfrage ab (etwa 50 Sekunden Sprache), Pro 1.500, Pro Plus 3.250 und Max 4.750. Eleven Music wird nach der Länge des Songs bemessen: Basic deckt Songs von 10 Sekunden ab, Pro 30 Sekunden, Pro Plus eine Minute und Max zwei Minuten. Alles, was länger ist, läuft über Gems, mit 30 Gems pro angefangenem Block von 250 Zeichen bei Sprache und 3,75 Gems pro Sekunde bei Musik.

Vergleiche die Pläne auf der Mitgliedschaftsseite.

Entwickler rufen POST /v1/eleven_speech/generate und POST /v1/eleven_music/generate in der Mage API auf, mit einem Schlüssel und einem Gem-Guthaben für alle Mage-Modelle. Die Mage API-Seite erklärt Schlüssel und Preise. Verbinde den Mage MCP-Server, und Claude, ChatGPT und andere Assistenten können für dich im Chat ein Skript sprechen oder einen Song schreiben und nennen vorher die Gems.