在 OpenClaw 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。OpenClaw agent 使用與聊天相同的 RunAPI key 來呼叫任一端點。
Use RunAPI to generate speech audio with ElevenLabs text-to-speech.
Requirements:
- Read the API key from RUNAPI_API_KEY.
- 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"
}
三步驟在 OpenClaw 中使用 ElevenLabs
設定 RunAPI
在環境中設定 RUNAPI_API_KEY。如果你已在 OpenClaw 中設定 RunAPI 用於聊天，同一組 key 即可用於所有 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。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
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。 |
OpenClaw 上的 ElevenLabs 是什麼？
ElevenLabs 是自然語音輸出的首選文字轉語音 API。透過 RunAPI，OpenClaw 代理可存取 turbo-v2.5（英語次秒延遲）、multilingual-v2（29 種語言）、dialogue-v3（多說話者對話）、音效生成、語音轉文字轉錄和人聲分離功能。你可以透過穩定度和相似度增強滑桿調整語音輸出，控制聲音的表現力或一致性。
ElevenLabs 使用情境
有聲書與 Podcast 解說
使用一致的角色聲音將長篇文字轉換為語音。調整穩定度確保解說一致性，調整相似度增強讓聲音在數小時的內容中保持接近原始聲線。
多語言影片配音
使用 multilingual-v2 以相同的聲音檔案將影片內容配音成 29 種語言，製作保留原說話者聲音特性的本地化版本。
影片與遊戲製作的音效
透過 text_to_sound 端點從文字描述生成自訂擬音音效、環境音訊和音效提示，以按需生成取代搜尋音效庫。
ElevenLabs + OpenClaw 常見問題
RunAPI 提供六個 ElevenLabs 端點：text_to_speech（turbo-v2.5 和 multilingual-v2）、text_to_dialogue（dialogue-v3 多說話者）、text_to_sound（音效）、speech_to_text（轉錄）和 isolate_audio（人聲擷取）。全部共用相同的 RUNAPI_API_KEY。
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。
非同步。建立端點會立即回傳 task_id。輪詢任務狀態端點或提供 callback_url 以在音訊檔案準備就緒時接收 webhook。
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。
可以。呼叫 text_to_dialogue 端點並將 model 設為 text-to-dialogue-v3。傳入 dialogue 陣列，每個項目包含 text 和 voice ID。所有說話者的文字總計不得超過 5000 個字元。
立即在 OpenClaw 中試用 ElevenLabs。
取得免費 RunAPI key，將提示詞貼入 OpenClaw，即可使用 ElevenLabs 生成語音 — 六個端點、一個 API key、按字元計費。