ElevenLabs 官方语音 API 封装，提供高质量 TTS 多音色合成与 Scribe STT 精准转录，支持 99 种语言及说话人分离，适合多语言语音交互场景。
说明：
## 核心用法
本 Skill 封装 ElevenLabs 官方 API，提供完整的语音处理流水线：
**TTS（文本转语音）**
– 调用 `elevenlabs_speech.py` 或 `ElevenLabsClient` 类
– 支持 7+ 预置高质量 AI 音色（Rachel、Domi、Bella 等），可调节 stability 与 similarity_boost 控制情感表现
– 默认使用 `eleven_turbo_v2_5` 模型，多语言场景推荐 `eleven_multilingual_v2`
**STT（语音转文本）**
– 基于 ElevenLabs Scribe 模型，通过 `elevenlabs_scribe.py` 或 `ElevenLabsScribe` 类调用
– 支持 99 种语言自动检测或指定语言代码（如 `ara`/`eng`）
– 提供说话人分离（diarization）功能，适用于会议记录等多人场景
– 兼容 Telegram 语音消息格式（`.ogg`）
**典型工作流**
接收语音 → Scribe 转录 → LLM 处理 → TTS 合成回复 → 发送语音，实现端到端语音交互。
## 显著优点
1. **音色质量行业领先**：ElevenLabs 以高自然度语音合成著称，情感表达与停顿控制优于多数开源方案
2. **双能力整合**：单一 Skill 同时覆盖 TTS 与 STT，无需切换多个服务
3. **多语言深度支持**：Scribe 支持 99 种语言，TTS 多语言模型针对非英语优化
4. **参数精细化控制**：stability/similarity_boost 可调，voice ID 级音色选择
5. **Telegram 生态适配**：原生支持 `.ogg` 语音消息，集成示例完整
## 潜在缺点与局限性
– **成本敏感**：免费额度有限（TTS 10,000 字符/月），高频使用需付费升级
– **网络依赖**：纯云端 API，无离线能力，延迟受网络质量影响
– **隐私顾虑**：语音数据需上传至 ElevenLabs 服务器，敏感内容需谨慎
– **文件限制**：STT 单文件上限 100MB，超长录音需预处理分割
– **中文支持**：TTS 中文效果较英文略逊，部分音色中文韵律不够自然
## 适合人群
– 开发多语言语音助手的创作者
– 需要高质量播客/有声内容合成的内容生产者
– 构建 Telegram/WhatsApp 语音交互机器人的开发者
– 会议转录、访谈记录等语音数据处理场景
## 常规风险
| 风险类型 | 说明 |
|———|——|
| API 密钥泄露 | 需妥善保管 `sk-…` 密钥，避免硬编码提交至版本控制 |
| 内容合规 | TTS 生成内容需符合 ElevenLabs 使用政策，禁止深度伪造滥用 |
| 成本失控 | 高并发场景易超出免费额度，建议启用用量监控 |
| 服务可用性 | 依赖第三方云服务，需考虑降级策略（如备用 TTS 方案）|
会员专属
