ElevenLabs 시리즈
ElevenLabs의 음성 모델로 모두 두 가지입니다. Eleven v4는 음성 합성용, Scribe v2는 음성 전사용이며, 둘 다 OpenAI 호환 오디오 API로 호출합니다.
elevenlabs/eleven_v4POST /v1/audio/speechelevenlabs/scribe_v2POST /v1/audio/transcriptionsAPI의 공통 파라미터는 Audio Speech API와 Audio Transcriptions API를 참고하십시오. 실시간 가격은 모델 페이지 를 참고하십시오. 음성 합성은 문자 수, 음성 전사는 오디오 길이 기준으로 과금됩니다.
Eleven v4 음성 합성
Python
import os
from openai import OpenAI
client = OpenAI(base_url="https://api.ofox.io/v1", api_key=os.environ["OFOX_API_KEY"])
with client.audio.speech.with_streaming_response.create(
model="elevenlabs/eleven_v4",
voice="21m00Tcm4TlvDq8ikWAM",
input="안녕하세요, OfoxAI 음성 합성을 이용해 주셔서 감사합니다.",
response_format="mp3",
) as resp:
resp.stream_to_file("speech.mp3")실측에서 약 20자 분량의 중국어 문장 하나는 약 2초 만에 반환되었고, 생성된 오디오는 약 4초였습니다.
Scribe v2 음성 전사
Scribe v2는 전사 텍스트 외에 단어별 시작·종료 시간도 반환하며, 서로 다른 화자를 구분할 수 있습니다.
Python
import json
import os
from openai import OpenAI
client = OpenAI(base_url="https://api.ofox.io/v1", api_key=os.environ["OFOX_API_KEY"])
with open("meeting.mp3", "rb") as f:
result = client.audio.transcriptions.create(
model="elevenlabs/scribe_v2",
file=f,
extra_body={"provider_options": json.dumps({"elevenlabs": {"diarize": True}})},
)
print(result.text)
for w in (result.model_extra or {}).get("words", [])[:10]:
print(w.get("speaker"), w["start"], w["end"], w["word"])응답 구조:
- 화자 분리는
provider_options로 켭니다.{"elevenlabs": {"diarize": true}}를 JSON 문자열로 만들어 폼 필드로 전달합니다. response_format은json과verbose_json을 지원하며, 둘의 반환 내용은 같습니다. 자막 파일이 필요하면words의 타임스탬프로 직접 생성할 수 있습니다.
자주 발생하는 오류
더 많은 오류는 Audio Speech API와 Audio Transcriptions API를 참고하십시오.
공식 문서
자주 묻는 질문
ElevenLabs의 voice에는 무엇을 입력합니까?
음색 ID（20자）를 입력합니다. 예: 21m00Tcm4TlvDq8ikWAM. ElevenLabs 음색 라이브러리에서 찾을 수 있습니다. 음색 이름（예: Rachel）이나 OpenAI의 alloy를 입력하면 404 voice_id not found가 반환됩니다.
Eleven v4는 어떤 오디오 형식을 지원합니까?
mp3（기본값）, opus, wav, pcm입니다. aac와 flac은 지원하지 않습니다.
Scribe v2는 화자를 구분할 수 있습니까?
가능합니다. provider_options로 {"elevenlabs": {"diarize": true}}를 전달하면 응답 words의 각 단어에 speaker 필드（예: speaker_0, speaker_1）가 붙습니다.
Scribe v2로 srt 자막을 바로 출력할 수 있습니까?
할 수 없습니다. response_format은 json과 verbose_json만 지원합니다. 응답 words의 start, end 타임스탬프로 자막을 직접 생성할 수 있습니다.
ElevenLabs 음성은 어떻게 과금됩니까?
Eleven v4는 입력 문자 수, Scribe v2는 오디오 길이 기준으로 과금되며, 단가는 모델 페이지를 참고하십시오.