ElevenLabs TTS Multilingual - Polza.ai

Многоязычная модель синтеза речи (text-to-speech) от ElevenLabs. Текст до 5000 символов, те же голоса и параметры, что и у Turbo, с поддержкой множества языков.

Рекомендуем использовать dedicated-эндпоинт Audio Speech — там доступен полный диапазон speed и согласованный набор ElevenLabs-параметров.

Обзор

Характеристика	Значение
ID модели	`elevenlabs/text-to-speech-multilingual-v2`
Max prompt	5 000 символов
voice	`voice_id` из аккаунта ElevenLabs (например `pNInz6obpgDQGcFmaJgB`) или имя пресета (`Rachel`, `Aria`, `Roger`, `Sarah`…)
speed	0.25–4.0 на `/v1/audio/speech` (по умолчанию 1.0), 0.7–1.2 на `/api/v1/media`
stability, similarity_boost, style	0–1
timestamps	true / false — посимвольный alignment в ответе
language_code	ru, en, de, fr, es, it, pt, pl, uk и др. (ISO 639-1). Не поддерживается Multilingual v2 (только Turbo v2.5)

Параметры

Параметр	Обязательный	Описание
`model`	Да	`elevenlabs/text-to-speech-multilingual-v2`
`input`	Да	Текст для синтеза речи, до 5000 символов
`voice`	Нет	Голос. По умолчанию `Rachel`. Стандартный OpenAI-голос будет отклонён с ошибкой 400
`speed`	Нет	0.25–4.0 (на dedicated-эндпоинте) или 0.7–1.2 (на `/api/v1/media`). По умолчанию 1
`stability`	Нет	Стабильность голоса 0–1
`similarity_boost`	Нет	Усиление схожести 0–1
`style`	Нет	Экспрессия стиля 0–1
`timestamps`	Нет	true/false — добавляет `alignment` с посимвольными таймингами
`previous_text`	Нет	Предшествующий текст, до 5000 символов
`next_text`	Нет	Последующий текст, до 5000 символов

Пример запроса (cURL)

curl -X POST "https://polza.ai/api/v1/audio/speech" \
  -H "Authorization: Bearer <POLZA_AI_API_KEY>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "elevenlabs/text-to-speech-multilingual-v2",
    "input": "Текст для синтеза речи",
    "voice": "Rachel",
    "speed": 1,
    "stability": 0.5,
    "similarity_boost": 0.75,
    "style": 0,
    "timestamps": false
  }'

Аудио возвращается как base64-строка в поле audio (не бинарный поток). Декодируйте и сохраняйте с расширением по contentType (например, audio/mpeg → .mp3).