Claude 訪客：新帳戶可在 30 天內獲得 $1.00 API 贈送額度。每人限領一次，僅用於 API 用量。
在 WorkBuddy 使用 ElevenLabs。
ElevenLabs 透過 RunAPI 提供六個音訊 endpoint — 具備次秒級延遲的 turbo-v2.5 TTS、支援 29 種語言的 multilingual-v2、用於多說話者對話的 dialogue-v3、音效、speech-to-text 轉錄，以及人聲分離。只要將 RunAPI 新增為 MCP server 一次，WorkBuddy agent 就能使用同一組 key 呼叫其中任何一項。
Using the runapi MCP server, generate speech audio with ElevenLabs.
Requirements:
- Call the ElevenLabs text_to_speech tool exposed by the runapi MCP server.
- Set model to "text-to-speech-turbo-v2.5".
- Text: "Welcome to RunAPI. This audio was generated from WorkBuddy."
- Set speed to 1.0, stability to 0.5, similarity_boost to 0.75.
- The task is async — keep polling until the status is "completed",
then give me the audio URL.
{
"mcp_servers": {
"runapi": {
"url": "https://runapi.ai/mcp",
"transport": "streamable_http",
"headers": {
"Authorization": "Bearer $RUNAPI_API_KEY"
}
}
}
}
{
"task_id": "tsk_abc123",
"status": "completed",
"model": "text-to-speech-turbo-v2.5",
"output": {
"audio_url": "https://media.runapi.ai/outputs/tsk_abc123.mp3",
"characters_billed": 62
}
}
三個步驟在 WorkBuddy 使用 ElevenLabs
將 RunAPI 新增為 MCP server
在啟動 WorkBuddy 的環境中設定 RUNAPI_API_KEY，然後註冊名為 runapi、透過 streamable HTTP 指向 https://runapi.ai/mcp 的 MCP server。所有六個 ElevenLabs endpoint — TTS、STT、dialogue、音效和音訊分離 — 都會在一組 key 後方成為可呼叫工具。
export RUNAPI_API_KEY=runapi_xxx
# MCP server: runapi → https://runapi.ai/mcp
請 agent 朗讀你的文字
向 WorkBuddy 提供想朗讀的文字並指定 model — 使用 text-to-speech-turbo-v2.5 取得低延遲 English，或使用搭配 voice ID 與 language_code 的 text-to-speech-multilingual-v2 支援 29 種語言。若要微調聲音，可提及 speed、stability 或 similarity_boost。
model: text-to-speech-turbo-v2.5
在工作台中接收音訊
task 會以非同步方式執行。工作台 agent 透過 MCP 工具輪詢，直到狀態為 completed，接著將輸出音訊 URL 與計費字元數一併回傳至對話中。
"status": "completed"
ElevenLabs text_to_speech 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（支援 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 聲音 ID。multilingual-v2 必填。Turbo-v2.5 若未指定則使用預設聲音。 |
speed |
float |
選填。播放速度倍率。範圍 0.7 至 1.2。 |
stability |
float |
選填。聲音一致性。範圍 0.0 至 1.0。數值越低，表現力越豐富。 |
similarity_boost |
float |
選填。聲音相似度強制程度。範圍 0.0 至 1.0。 |
WorkBuddy 上的 ElevenLabs 是什麼？
ElevenLabs 是自然語音輸出的首選 text-to-speech API。透過 RunAPI MCP server，WorkBuddy agent 可存取 turbo-v2.5（適用於 English 的次秒級延遲）、multilingual-v2（29 種語言）、dialogue-v3（多說話者對話）、音效生成、speech-to-text 轉錄及人聲分離。你可以透過 stability 和 similarity boost 滑桿微調聲音輸出，控制語音的表現力或一致性 — 全都能在工作台中透過自然語言提示詞完成。
ElevenLabs 使用情境
有聲書與 Podcast 旁白
將長篇文字轉換為使用一致角色聲音的語音音訊。請 agent 維持較高的 stability 以確保旁白一致性，並在數小時內容中讓 similarity boost 接近原始設定檔。
影片多語言配音
使用 multilingual-v2 和相同聲音設定檔，將影片內容配音為 29 種語言，製作保留原始說話者聲音特徵的在地化版本 — 全都可從工作台對話中提出要求。
影片與遊戲製作的音效
透過 text_to_sound endpoint，根據文字描述生成自訂 Foley 音效、環境音訊與聲音提示，以 WorkBuddy 中的隨需生成取代搜尋現成音訊素材庫。
ElevenLabs + WorkBuddy 常見問題
共有六項 — text_to_speech（turbo-v2.5 和 multilingual-v2）、text_to_dialogue（適用於多位說話者的 dialogue-v3）、text_to_sound（音效）、speech_to_text（轉錄）以及 isolate_audio（人聲擷取）。它們全都位於同一個 runapi MCP server 和 RUNAPI_API_KEY 後方。
先將 stability 設為 0.5，similarity_boost 設為 0.75。較高的 stability 會讓聲音更一致，但表現力較低。audiobook 可嘗試 stability 0.6-0.8。對話內容則使用較低的 stability（0.3-0.5）以增加自然變化。你可以在 WorkBuddy 提示詞中直接說明這些數值。
Turbo-v2.5 針對低延遲和英語優先輸出最佳化——未指定聲音時套用預設聲音。Multilingual-v2 支援 29 種語言，需要明確指定聲音 ID 及選填的 language_code。Turbo 每個字元的費用約為 multilingual-v2 的一半。
Text-to-speech 與 dialogue endpoint 依輸入文字的字元數計費。Speech-to-text 依音訊分鐘數計費。音訊分離依 task 計費。用量會與 WorkBuddy 呼叫的其他所有 model 合併計入同一個 RunAPI 餘額 — 請查看 RunAPI 定價頁面取得目前費率。
可以。請 agent 使用 model text-to-dialogue-v3 呼叫 text_to_dialogue 工具，並傳入 dialogue array，其中每個項目都包含 text 和 voice ID。所有說話者的文字總數必須低於 5000 個字元。
立即在 WorkBuddy 試用 ElevenLabs。
取得免費 RunAPI key，將 MCP server 新增至 WorkBuddy，並請工作台 agent 朗讀你的文字 — 六個音訊 endpoint、一組 key、按字元計費。