我可以在 Hermes Agent 中使用 ElevenLabs 嗎？

可以。在 Hermes Agent 設定中新增 custom:runapi provider，將 base_url 設為 https://runapi.ai/v1，key_env 設為 RUNAPI_API_KEY，然後即可呼叫任何 ElevenLabs 端點 — text_to_speech、speech_to_text、text_to_dialogue、text_to_sound 或 isolate_audio。

turbo-v2.5 和 multilingual-v2 有什麼差別？

turbo-v2.5 針對低延遲和英語優先輸出進行最佳化 — 未指定語音時會套用預設語音。multilingual-v2 支援 29 種語言，需要明確的 voice ID 和選填的 language_code。turbo 的每字元費用約為一半。

ElevenLabs 在 RunAPI 上如何計費？

文字轉語音和對話端點按輸入文字的字元數計費。語音轉文字按音訊分鐘數計費。音訊分離按任務計費。請查看 RunAPI 定價頁面了解目前費率。

我可以在 Hermes Agent 中使用 ElevenLabs 轉錄音訊嗎？

可以。呼叫 speech_to_text 端點（/api/v1/elevenlabs/speech_to_text），帶上 source_audio_url。該端點支援透過 diarize 參數進行選填的說話者分離，以及透過 tag_audio_events 進行音訊事件標記。結果以非同步方式回傳。

音訊分離透過 RunAPI 如何運作？

呼叫 isolate_audio 端點（/api/v1/elevenlabs/isolate_audio），將 source_audio_url 指向你的混合音訊檔案。該端點從背景噪音中擷取人聲，並回傳清理後的音訊 URL。任務為非同步 — 可輪詢或使用 callback_url。

HERMES + ELEVENLABS

在 Hermes Agent 中使用 ElevenLabs。

ElevenLabs 透過 RunAPI 提供六個音訊端點 — turbo-v2.5 文字轉語音（亞秒級延遲）、multilingual-v2（支援 29 種語言）、dialogue-v3（多說話者對話）、音效、語音轉文字轉錄和人聲分離。Hermes Agent 透過 custom:runapi provider 以一個 API key 來呼叫。

取得 API Key 閱讀文件

一個 API key · 文字轉語音端點 · 按字元計費

Use RunAPI to generate speech audio with ElevenLabs text-to-speech.

Requirements:
- Read the API key from RUNAPI_API_KEY.
- Use the custom:runapi provider with base_url https://runapi.ai/v1.
- Call POST https://runapi.ai/api/v1/elevenlabs/text_to_speech
- Set model to "text-to-speech-turbo-v2.5".
- Set text to the content you want spoken.
- Optionally set voice to a specific ElevenLabs voice ID.
- Optionally set speed between 0.7 and 1.2.
- The task is async. Poll the returned task_id until status is "completed".
- When done, read the audio URL from the response output.

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"
}

複製 curl 指令進行測試 elevenlabs

運作原理

三步驟在 Hermes Agent 中使用 ElevenLabs

設定 RunAPI

在 Hermes Agent 執行環境中設定 RUNAPI_API_KEY。如果你已將 RunAPI 新增為 custom:runapi provider，同一組 key 和 base_url 即可處理所有 ElevenLabs 端點 — 文字轉語音、語音轉文字、對話、音效和音訊分離。

export RUNAPI_API_KEY=runapi_xxx

呼叫 text_to_speech

向 text_to_speech 端點發送 POST 請求，將 model 設為 text-to-speech-turbo-v2.5，附上要朗讀的文字，以及選填的 voice、speed 和 stability 參數。Hermes Agent 透過 custom:runapi provider 路由請求。如需多語言輸出，使用 text-to-speech-multilingual-v2 並搭配 voice 和 language_code。

POST /api/v1/elevenlabs/text_to_speech

輪詢結果

端點會立即回傳 task_id。輪詢任務狀態端點，直到 status 為 completed，然後從回應中讀取輸出音訊 URL。

GET /api/v1/elevenlabs/text_to_speech/tsk_abc123

參數

ElevenLabs text_to_speech API 參數

參數	類型	說明
`model`	`string`	必填。text-to-speech-turbo-v2.5（低延遲）或 text-to-speech-multilingual-v2（29 種語言）。
`text`	`string`	必填。要轉換為語音的文字。最多 5000 個字元。
`voice`	`string`	ElevenLabs voice ID。multilingual-v2 必填。turbo-v2.5 若省略則使用預設語音。
`speed`	`float`	選填。播放速度倍率。範圍 0.7 到 1.2。
`stability`	`float`	選填。語音一致性。範圍 0.0 到 1.0。較低值增加表現力。
`similarity_boost`	`float`	選填。語音相似度強化。範圍 0.0 到 1.0。
`style`	`float`	選填。風格誇張程度。範圍 0.0 到 1.0。
`language_code`	`string`	選填。multilingual-v2 的目標語言，例如 en、es、ja。
`callback_url`	`string`	選填。任務完成時接收 POST 通知的 Webhook URL。

Hermes Agent 上的 ElevenLabs 是什麼？

ElevenLabs 是領先的文本轉語音 API，Hermes Agent 通過 custom:runapi provider 呼叫它，用於語音生成、轉錄和音頻處理。在 Hermes 中的核心優勢是串聯——生成語音後，將音頻 URL 傳給 InfiniteTalk 製作説話頭像，或傳給影片模型完成完整視聽內容，全部在單次 agent 運行中完成。