Hermes Agent で ElevenLabs を使う。
ElevenLabs は RunAPI 経由で6つの音声エンドポイントを提供します——サブ秒のレイテンシを持つ turbo-v2.5 TTS、29言語をカバーする multilingual-v2、複数話者の会話向け dialogue-v3、効果音、音声からの文字起こし、ボーカル分離です。Hermes Agent は custom:runapi プロバイダー経由で、1つの API キーでこれらを呼び出します。
RunAPI を使って ElevenLabs のテキスト読み上げで音声を生成します。
要件：
- RUNAPI_API_KEY から API キーを読み込みます。
- base_url を https://runapi.ai/v1 として custom:runapi プロバイダーを使用します。
- POST https://runapi.ai/api/v1/elevenlabs/text_to_speech を呼び出します。
- model を "text-to-speech-turbo-v2.5" に設定します。
- text に読み上げたい内容を設定します。
- 必要に応じて voice を特定の ElevenLabs voice ID に設定します。
- 必要に応じて speed を 0.7〜1.2 の間に設定します。
- このタスクは非同期です。返された task_id を status が "completed" になるまでポーリングします。
- 完了したら、レスポンスの output から音声の URL を読み取ります。
curl -X POST https://runapi.ai/api/v1/elevenlabs/text_to_speech \
-H "Authorization: Bearer $RUNAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "text-to-speech-turbo-v2.5",
"text": "Welcome to RunAPI. This audio was generated by ElevenLabs turbo v2.5.",
"speed": 1.0,
"stability": 0.5,
"similarity_boost": 0.75
}'
{
"task_id": "tsk_abc123",
"status": "pending",
"model": "text-to-speech-turbo-v2.5"
}
Hermes Agent で ElevenLabs を使う3ステップ
Configure RunAPI
Set RUNAPI_API_KEY in the environment where Hermes Agent runs. If you already added RunAPI as a custom:runapi provider, the same key and base_url handle all ElevenLabs endpoints — TTS, STT, dialogue, sound effects, and audio isolation.
export RUNAPI_API_KEY=runapi_xxx
Call text_to_speech
Send a POST to the text_to_speech endpoint with model set to text-to-speech-turbo-v2.5, the text you want spoken, and optional voice, speed, and stability parameters. Hermes Agent routes the request through the custom:runapi provider. For multilingual output, use text-to-speech-multilingual-v2 with a voice and language_code.
POST /api/v1/elevenlabs/text_to_speech
Poll for the result
The endpoint returns a task_id immediately. Poll the task status endpoint until the status is completed, then read the output audio URL from the response.
GET /api/v1/elevenlabs/text_to_speech/tsk_abc123
ElevenLabs text_to_speech API パラメータ
| パラメータ | 型 | 説明 |
|---|---|---|
model |
string |
Required. text-to-speech-turbo-v2.5 (low latency) or text-to-speech-multilingual-v2 (29 languages). |
text |
string |
Required. The text to convert to speech. Max 5000 characters. |
voice |
string |
ElevenLabs voice ID. Required for multilingual-v2. Turbo-v2.5 uses a default voice if omitted. |
speed |
float |
Optional. Playback speed multiplier. Range 0.7 to 1.2. |
stability |
float |
Optional. Voice consistency. Range 0.0 to 1.0. Lower values add expressiveness. |
similarity_boost |
float |
Optional. Voice similarity enforcement. Range 0.0 to 1.0. |
style |
float |
Optional. Style exaggeration. Range 0.0 to 1.0. |
language_code |
string |
Optional. Target language for multilingual-v2, e.g. en, es, ja. |
callback_url |
string |
Optional. Webhook URL that receives a POST when the task completes. |
Hermes AgentのElevenLabsとは？
ElevenLabsは主要なテキスト→音声APIで、Hermes Agentはcustom:runapi provider経由で音声生成・文字起こし・音声処理に呼び出します。Hermesでの主な利点はチェーン化——音声を生成してからその音声URLをInfiniteTalkに渡してトーキングアバターを作る、または動画モデルに渡して完全な視聴覚コンテンツを作る、といった処理を1回のagent実行で完結できます。
ElevenLabsの活用例
会話型AI音声エージェント
turbo-v2.5のサブ秒レイテンシーで自然な音声を生成して話す音声agentを構築し、カスタマーサービスボット・インタラクティブアシスタント・電話ベースのインターフェースに活用します。
YouTubeコンテンツのナレーション
一貫したキャラクターボイスでYouTube動画のナレーションを制作し、シリーズ全体でStabilityを調整してナレーターの一貫性を保ち、感情範囲のためにStyle Exaggerationを調整します。
テキスト→トーキング動画パイプライン
Hermes AgentワークフローでElevenLabs TTSとInfiniteTalkまたは他の動画モデルを連結し、1回の自動化された実行でテキストからトーキングアバターナレーション動画への全フローを完結します。
ElevenLabs + Hermes Agent に関する質問
Yes. Configure RunAPI as a custom:runapi provider in Hermes Agent with base_url https://runapi.ai/v1 and key_env RUNAPI_API_KEY, then call any ElevenLabs endpoint -- text_to_speech, speech_to_text, text_to_dialogue, text_to_sound, or isolate_audio.
Start with stability at 0.5 and similarity_boost at 0.75. Higher stability makes the voice more consistent but less expressive. Higher similarity keeps the voice closer to the original profile. For audiobooks, try stability 0.6-0.8. For conversational content, lower stability (0.3-0.5) adds natural variation.
Use turbo-v2.5 for English content -- it costs roughly half as much per character as multilingual-v2. Break long texts into chunks under 5000 characters per request. Use the RunAPI batch approach to process chapters in parallel rather than sequentially.
Yes. Call the speech_to_text endpoint at /api/v1/elevenlabs/speech_to_text with a source_audio_url. The endpoint supports optional speaker diarization via the diarize parameter and audio event tagging via tag_audio_events. Results are returned asynchronously.
Call the isolate_audio endpoint at /api/v1/elevenlabs/isolate_audio with a source_audio_url pointing to your mixed audio file. The endpoint extracts vocals from background noise and returns a cleaned audio URL. The task is async -- poll or use a callback_url.
Yes. Hermes Agent can generate speech with ElevenLabs, then pass the audio URL to InfiniteTalk for avatar video or to Wan for speech-to-video, creating a complete text-to-spoken-video pipeline in one run.
今すぐ Hermes Agent で ElevenLabs を試す。
無料の RunAPI キーを取得し、custom:runapi プロバイダーを設定して、ElevenLabs で音声を生成しましょう——6つのエンドポイント、1つの APIキー、文字単位の課金。