AI 语音合成与转录专家

ElevenLabs 官方语音 API 封装，提供高质量 TTS 多音色合成与 Scribe STT 精准转录，支持 99 种语言及说话人分离，适合多语言语音交互场景。

基本信息

• 技能名称?it will help you to send voice messages to your AI Assistant and also can make it talk
• 中文名称?AI 语音合成与转录专家
• 作者?amreahmed
• 分类?专业技能
• 版本?1.0.0
• 标签?text-to-speech, speech-to-text, elevenlabs, voice-synthesis, transcription, multilingual, telegram-integration, ai-voice

使用方法

使用说明
核心用法
本 Skill 封装 ElevenLabs 官方 API，提供完整的语音处理流水线：
TTS（文本转语音）
调用 elevenlabs_speech.py 或 ElevenLabsClient 类
支持 7+ 预置高质量 AI 音色（Rachel、Domi、Bella 等），可调节 stability 与 similarity_boost 控制情感表现
默认使用 eleven_turbo_v2_5 模型，多语言场景推荐 eleven_multilingual_v2
STT（语音转文本）
基于 ElevenLabs Scribe 模型，通过 elevenlabs_scribe.py 或 ElevenLabsScribe 类调用
支持 99 种语言自动检测或指定语言代码（如 ara / eng ）
提供说话人分离（diarization）功能，适用于会议记录等多人场景
兼容 Telegram 语音消息格式（ .ogg ）
典型工作流
接收语音 → Scribe 转录 → LLM 处理 → TTS 合成回复 → 发送语音，实现端到端语音交互。
显著优点

1. 音色质量行业领先 ：ElevenLabs 以高自然度语音合成著称，情感表达与停顿控制优于多数开源方案
2. 双能力整合 ：单一 Skill 同时覆盖 TTS 与 STT，无需切换多个服务
3. 多语言深度支持 ：Scribe 支持 99 种语言，TTS 多语言模型针对非英语优化
4. 参数精细化控制 ：stability/similarity_boost 可调，voice ID 级音色选择
5. Telegram 生态适配 ：原生支持 .ogg 语音消息，集成示例完整
   潜在缺点与局限性
   成本敏感 ：免费额度有限（TTS 10,000 字符/月），高频使用需付费升级
   网络依赖 ：纯云端 API，无离线能力，延迟受网络质量影响
   隐私顾虑 ：语音数据需上传至 ElevenLabs 服务器，敏感内容需谨慎
   文件限制 ：STT 单文件上限 100MB，超长录音需预处理分割
   中文支持 ：TTS 中文效果较英文略逊，部分音色中文韵律不够自然
   适合人群
   开发多语言语音助手的创作者
   需要高质量播客/有声内容合成的内容生产者
   构建 Telegram/WhatsApp 语音交互机器人的开发者
   会议转录、访谈记录等语音数据处理场景
   常规风险
   | 风险类型 | 说明 | |---------|------| | API 密钥泄露 | 需妥善保管 sk-... 密钥，避免硬编码提交至版本控制 | | 内容合规 | TTS 生成内容需符合 ElevenLabs 使用政策，禁止深度伪造滥用 | | 成本失控 | 高并发场景易超出免费额度，建议启用用量监控 | | 服务可用性 | 依赖第三方云服务，需考虑降级策略（如备用 TTS 方案）|