ModelFoldelevenlabs/text-to-dialogue-v3
ElevenLabs Eleven V3 支持富有表现力的多语言文本转对话，可用音频标签控制、支持多位说话人、表达自然，专为对话驱动型应用、故事创作工具和沉浸式语音体验而设计。
定价： 按字数计费：每 1000 字 18 积分（不足 1000 字按 1000 字计），最低 8 积分。
更多语音合成模型
最新热门模型
高性价比的 Eleven V3 多语言文本转对话 API
借助 ModelFold 平台，用精细的控制、多人生成和灵活的部署，构建覆盖 70 多种语言、自然且富有情感的对话体验。
用 ElevenLabs V3 API 从富有表现力的语音走向自然的音频对话
Eleven V3（Alpha）是 ElevenLabs 迄今为止最富表现力的文字转语音模型，听起来不像合成，更像真实的表演。它超越了传统的 AI 声音生成，能理解情感细微差别、节奏和上下文，让声音可以自然而生动地耳语、大笑、叹气、打断和回应。这种更深层的表现力来自行内音频标签、多人对话模式和覆盖 70 多种语言的更强语言理解等创新，为动态的语音体验和沉浸式音频叙事打开了新的可能。 ElevenLabs V3 API 通过先进的文字转语音和多人文本转对话，把这些能力直接带进生产流程。借助 Eleven V3 API，团队可以设计富有表现力的旁白、逼真的对话和情感丰富的音频体验，听起来像是被导演过的，而不是生成的。随着 Eleven V3（Alpha）API 不断演进，它为媒体、娱乐、教育和互动应用中新一类以语音为先的创意产品打开了大门。
Eleven V3（Alpha）API 有哪些新变化
Eleven V3（Alpha）API 用音频标签实现富有表现力的控制
Eleven V3（Alpha）API 引入了行内音频标签，可以直接在文本中精细控制语气、情绪和非语言反应。通过 ElevenLabs V3 API，创作者可以用耳语、笑声、犹豫或强调等提示引导表达，让语音显得有意为之、富有表现力，而不是机械生成。
ElevenLabs V3 API 中自然的文本转对话与多人对话
借助文本转对话，ElevenLabs V3 API 能生成在时机、节奏和互动上都很自然的多人对话。Eleven V3 API 支持逼真的轮流发言和打断，团队可以为播客、游戏、故事讲述和对话密集的音频体验创作流畅的对话，无需手动拼接分别录制的音轨。
Eleven V3 API 覆盖 70 多种语言的全球声音
Eleven V3 API 支持 70 多种语言的富有表现力的语音生成，覆盖需求旺盛的全球市场。通过 ElevenLabs V3 API，文字转语音和文本转对话工作流都能跨语言保留细微差别、韵律和情感表达，适合多语言产品和国际受众。
ElevenLabs V3 API 对文本理解更深，文字转语音更自然
ElevenLabs V3 API 对文本输入的理解更深，文字转语音的重音、节奏和整体表现力都有提升。Eleven V3（Alpha）API 能更好地理解剧本的上下文和意图，让生成的语音在较长段落中也有更自然的节奏和情感连贯性。
如何在 ModelFold 上部署 Eleven V3 API 实现文本转对话
只需几个简单步骤即可开始使用……
- 1
1. 注册 ModelFold 并获取 Eleven V3 API Key
在 ModelFold 创建账号并生成 API Key，即可使用 Eleven V3 API。这个 Key 用于对 ElevenLabs V3 API 的请求鉴权，让你开始用富有表现力的语音能力构建应用。
- 2
2. 在 Playground 中免费测试 ElevenLabs V3 API
部署之前，先用 ModelFold Playground 体验 ElevenLabs V3 API。你可以自由测试富有表现力的生成效果、尝试音频标签、预览多人文本转对话的表现，而无需接入生产环境。
- 3
3. 为你的产品配置 Eleven V3 API 请求
测试之后，确定在应用中如何组织 Eleven V3 API 的请求。在 ModelFold 上，把对话写在 prompt 里，一行一句写「Speaker 1: …」「Speaker 2: …」，并用 voice / voice_2 为每位说话人选择音色；超过两种声音时，可以直接传上游的 dialogue 数组（每行一个 text + voice）。所有台词合计最多 5000 字。
- 4
4. 把 ElevenLabs V3 API 集成到后端或工作流
向 https://ai.modelfold.online/v1/audio/generations 发送 POST 请求，把 ElevenLabs V3 API 部署到你的应用、服务或内部工作流中；响应直接返回生成好的音频地址。团队通常用 Eleven V3 API 为创意平台、媒体工具、教育产品和互动体验提供语音功能。
- ✓
5. 在 ModelFold 上扩展 Eleven V3 API 的用量
部署后，你可以随着产品增长在 ModelFold 上扩展 Eleven V3 API 的用量。同一套集成既支持简单的声音生成，也支持更高级的对话体验，让你的用例不断演进而无需改动技术基础。
用 ElevenLabs V3 API 生成更具表现力语音的指南
把大段输入拆成小段，生成更可靠
在 Eleven V3 API 中处理长剧本或复杂的文本转对话提示时，避免在一次请求中提交非常大的文本块。应按场景、段落或说话人轮次等逻辑单元拆分内容。这样能提高稳定性、保持表现力，也更方便单独修改某一部分而不必重新生成整段输出。
适度使用音频标签，表达更清晰自然
音频标签用得有针对性比用得密集更有效。在 Eleven V3 API 中，把标签放在关键的情绪节点——如犹豫、反应或语气转折的时刻——往往效果更自然。[whispers]、[laughs]、[sarcastic]、[excited]、[sighs] 等常用标签用得恰当时，可以微妙地引导表达。过度使用音频标签会降低一致性，让对话显得过于刻意，所以最好把它们当作轻度的指导，而不是连续的标记。
用省略号（…）自然地营造停顿和犹豫
省略号是影响 Eleven V3 API 语速的一种简单而有效的方法，往往能带来细微的停顿、欲言又止或犹豫的表达。像「我不确定……也许我们该等等」这样的写法，通常比一句连贯的话节奏更自然。这一技巧在对话时机很重要的文本转对话中尤其有用。
用破折号（—）模拟打断和断续的话语
破折号可以表示说话人被打断或在句中突然转向。例如「我正要告诉你——等等，你听到了吗？」这样的文本往往能带来更真实的对话节奏。在 Eleven V3 API 中，这类标点与音频标签配合，共同塑造时机、节奏和对话动态。
生成多个版本，挑选最好的演绎
富有表现力的声音生成并不完全确定。在创意工作流中使用 ElevenLabs V3 API 时，通常会对同一输入生成多个版本，再挑出最自然的结果。标点、音频标签位置或措辞的细微变化都可能明显影响表达，所以反复迭代是制作中很实用的一环。
团队如何用 ElevenLabs V3 API 打造语音体验
用 ElevenLabs V3 API 制作故事和有声书
ElevenLabs V3 API 非常适合表达与清晰度同样重要的长篇旁白。借助富有表现力的文字转语音，创作者可以制作有情感、有节奏、有角色感的有声书、短篇故事和叙事内容，让朗读更接近表演，而不是平淡的旁白。
用 Eleven V3 API 制作播客和剧本对话
对于对话密集的形式，Eleven V3 API 能生成自然的多人文本转对话，支持逼真的时机、打断和情感连贯。这样就能生成播客式节目、模拟访谈或剧本对话，无需手动拼接分别录制的音轨。
用 Eleven V3（Alpha）API 制作游戏角色对白
在游戏开发和互动叙事中，角色需要可信的声音和个性，Eleven V3（Alpha）API 在这里尤其有价值。团队可以用它制作 NPC 对白、分支对话和剧情驱动的互动，增强沉浸感，让体验更有回应、更鲜活。
用 ElevenLabs V3 API 制作配音和创意媒体
许多创作者和产品团队把 ElevenLabs V3 API 用于视频旁白、AI 数字人和以语气、表达定义体验的创意媒体工作流。借助富有表现力的文字转语音，配音能与视觉叙事更紧密地契合，让生成的音频显得有意为之，而不是千篇一律。
开发者为何选择 ModelFold 部署 Eleven V3 API
实惠的 Eleven V3 API 价格，适合真实用量
ModelFold 以实惠的价格提供 ElevenLabs V3 API，让 Eleven V3 API 不仅适合尝鲜，也适合真正的生产使用。团队可以更好地控制成本，同时享受 Eleven V3（Alpha）API 带来的富有表现力的声音能力。
完整的 ElevenLabs V3 API 文档，集成更快
ModelFold 提供完整的 ElevenLabs V3 API 文档，涵盖上手、核心功能、请求结构和部署流程，帮助开发者高效使用 Eleven V3 API、减少集成阻力，并有信心地从测试走向生产。
Eleven V3（Alpha）API 部署 7×24 小时支持
用 Eleven V3（Alpha）API 构建生产功能时，可靠性至关重要。ModelFold 提供 7×24 小时支持，协助解决技术问题、集成问题和 ElevenLabs V3 API 的日常使用，帮助团队让产品平稳运行。
灵活的积分制，而非固定订阅
ModelFold 以灵活的积分制提供 Eleven V3 API，而不是强制使用死板的订阅套餐。团队可以按实际需求扩展用量、更精确地控制支出，按自己的节奏采用 ElevenLabs V3 API。
ElevenLabs Eleven V3（Alpha）API 常见问题
ElevenLabs V3 API 的主要侧重点是什么？⌄
ElevenLabs V3 API 侧重表现力，而不只是清晰度。它提升了情感细微差别、节奏和表达，让生成的语音听起来更自然、更生动，专为重视演绎和表达质量的场景设计。
Eleven V3（Alpha）API 的「alpha」标签是什么意思？⌄
Eleven V3（Alpha）API 表示这个系统仍在不断演进。输出可能比早期版本波动更大，用户往往需要在提示词、结构和标签上反复尝试，才能得到稳定的结果。
在哪里可以找到 ElevenLabs V3 API 文档？⌄
ElevenLabs V3 API 文档通常包括提示词结构、对话格式、支持的功能和生成的最佳实践。查阅文档和结构化示例有助于加深理解、提升输出质量。
如何在 ModelFold 上获取 ElevenLabs V3 API Key？⌄
在 ModelFold 注册并进入开发者控制台后即可生成 API Key。把 API 集成到应用或工具时，用这个 Key 对请求进行鉴权。
有 ElevenLabs V3 API 的免费测试吗？⌄
ElevenLabs V3 API 的免费测试通常通过 Playground 一类的环境提供，用户可以在把 API 集成到自己的工作流之前，先尝试提示词、音色、标签和对话格式。
ElevenLabs V3 API 支持多人对话吗？⌄
支持。ElevenLabs V3 API 原生支持多人对话生成，多个声音可以在同一段输出中互动，从而生成轮流发言自然、有打断、情感连贯的对话。
使用 Eleven V3 API 时如何提升输出质量？⌄
使用 Eleven V3 API 时，文本结构清晰、标点使用得当，输出质量就会提升。把长剧本拆成小段、用省略号营造停顿、有针对性地使用音频标签，都能显著提升自然度。
Eleven V3（Alpha）API 的音频标签能提供多大程度的控制？⌄
Eleven V3（Alpha）API 支持多种音频标签，可以影响语气、情绪、表达风格和非语言表达。[whispers]、[laughs]、[hesitant] 等标签能在不改动文本本身的前提下引导声音的演绎方式。
| Text To Dialogue V3 | 每 1000 字 18 积分 · 最低 8 |
任务开始时按估价预扣，完成后按上游实际消耗结算，多退少补，不低于最低价。
curl https://ai.modelfold.online/v1/audio/generations \
-H "Authorization: Bearer $MODELFOLD_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"elevenlabs/text-to-dialogue-v3","prompt":"Speaker 1: Hello!\nSpeaker 2: Hi there.","voice":"EkK5I93UQWFDigLMpZcX"}'