ElevenLabs 现已登陆 Mage

有两个。Eleven Speech 是 ElevenLabs 的文字转语音,采用表现力最强的语音模型 Eleven v4:提供 16 种声音、90 多种语言,还支持 [whispers]、[laughs]、[door creaks] 等音频标签,可以逐句控制朗读效果。Eleven Music 是 ElevenLabs 的音乐模型:可生成带歌词和人声的完整歌曲或纯器乐,时长从 10 秒到 5 分钟。

两个模型都通过 ElevenLabs 本身运行,所以声音和歌曲都出自 ElevenLabs。你只需使用 Mage 账号,无需另外订阅 ElevenLabs:任何套餐都可以用 Gems,付费套餐则可在各套餐覆盖的时长内不限次数使用。

Mage 是独立的创作平台,并不隶属于 ElevenLabs。它additional 提供的是围绕音频的一切:Mango 3、Nano Banana 等图片模型,Cherry 2 Pro 等视频模型,能在不同片段中保持相同面孔和声音的已保存角色,以及 Lipsync 和 Music Video 这类把音频呈现在画面上的应用。

Eleven v4 会先通读整段脚本再开口,因此重音、节奏和情绪都贴合文意。方括号里的标签可以为它指导表演:[excited]、[sarcastic] 和 [softly] 改变情绪;[whispers] 和 [shouting] 调整音量;[sighs] 和 [laughs] 加入反应;[door creaks] 或 [applause] 则在语音中加入音效。MP3 的时长与朗读时长完全一致,单次请求最多 5,000 个字符。

你可以从 16 种声音中挑选,从温暖的讲故事风格到干练的英式主播,并使用 90 多种语言撰写内容。AI 文字转语音指南详细介绍了脚本和声音,Eleven Speech 模型页面则提供英语、西班牙语、法语和日语的示例。

• 把标签放在它要影响的那句话之前
• 用省略号来表示停顿
• 调低“稳定性”,朗读更富有表现力
• 读法很重要时,把数字写成文字

Eleven Music 可以根据一段描述创作全新的歌曲,写好歌词并演唱出来;打开“纯器乐”后,则会演奏一段器乐曲。时长固定为 10、30、60、120、180 或 300 秒。请描述曲风、情绪、速度、乐器、歌手和主题;只写风格,不要写艺术家的名字,因为提到真实艺术家或引用现有歌词的提示词会被拒绝。

想了解更多歌曲提示词的写法,请阅读AI 歌曲生成指南。Eleven Music 模型页面提供从流行、R&B 到雷鬼顿和 lo-fi 的各种示例。

使用付费套餐时，只要请求在套餐支持范围内，就无需消耗 Gems。Eleven Speech 按文本长度计算：Basic 每次请求支持 750 个字符（约 50 秒语音），Pro 为 1,500，Pro Plus 为 3,250，Max 为 4,750。Eleven Music 按歌曲时长计算：Basic 支持 10 秒的歌曲，Pro 为 30 秒，Pro Plus 为 1 分钟，Max 为 2 分钟。超出部分将消耗 Gems：语音每 250 个字符（不足按一档计）30 Gems，音乐每秒 3.75 Gems。

在会员页面对比各个方案。

开发者可以在 Mage API 上调用 POST /v1/eleven_speech/generate 和 POST /v1/eleven_music/generate,所有 Mage 模型共用一个密钥和一个 Gem 余额。Mage API 页面介绍了密钥和价格。连接 Mage MCP 服务器后,Claude、ChatGPT 等助手就能在对话中为你朗读脚本或创作歌曲,并会先告知所需的 Gems。