ElevenLabs API 通过AI聚合平台生成首段配音并保存验证音频的实践

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

通过 Ofox 生成 ElevenLabs 配音,需要向 /v1/audio/speech 提交文本、Ofox API Key、模型 ID elevenlabs/eleven_v4、兼容的音色 ID 和音频格式。成功后保存二进制响应,再确认文件可以解码。文件名叫 speech.mp3,不代表内容就是音频:把错误 JSON 保存成 MP3,是接入时很容易忽略的问题。

本文使用 2026 年 10 月 10 日的真实请求。原创英文台词生成了 10.00 秒 MP3,随后通过 Scribe 转写核对。源码、原始音频和响应记录均可下载。这是一次已成功的 Ofox 网关调用,不是稳定性测试,也不表示 ElevenLabs 原生接口的全部功能都已由该路由开放。

最终要交付什么

完成后应得到可播放的配音、输入台词、不含密钥的请求配置和验证记录,而不是只有一条 HTTP 200。音频可以接入视频工程,也可以继续转成字幕。复现本例需要具有访问权限和可用余额的 Ofox Key,以及正常工作的上游路由;本例不需要另外填入个人 ElevenLabs Key。

示例使用已有音色 ID,没有注册新音色或克隆真人声音。后续如果使用与真人有关的音色,应另行核对授权和使用权。接口调用成功,不代表获得了模仿某个人或用于任意商业场景的许可。

下载完整工具包,其中包括 audio_api.py、comparison.txt、elevenlabs.mp3 和响应元数据。客户端从环境变量读取密钥,遇到失败会停止,不自动重复可能产生费用的 POST 请求。

ElevenLabs 实际生成音频

1. 准备工具和确定版本的台词

安装 Python、requests、FFmpeg 和 ffprobe。HTTP 调用本身只需要请求客户端;这里安装媒体工具,是为了把解码和时长核验纳入完成标准。

python3 -m pip install requests
ffmpeg -version
ffprobe -version

通过自己的密钥管理工具或私有环境配置设置 OFOX_API_KEY。不要将它写进源码、文章、截图或提交到仓库的 .env,也不要为了排错打印 Authorization 请求头。工具包直接读取已设置的环境变量。

第一次使用工具包里的原始文本:

A clear product video starts with a clear brief. Show the real interface, explain one useful task, and check the exported video before sharing it.

文件保存为 UTF-8。排查阶段先保持文本不变,避免同时修改音色、模型、格式和台词,导致无法判断哪个变化解决了问题。多语言项目应先审校每种语言的台词;翻译正确与语音生成成功是两个不同检查。

自己的台词要提前处理缩写、日期和品牌读音。例如写出完整日期,比含糊的数字日期更容易复核。具体发音仍要听最终音频,不能只看文本预览。本文没有声称未验证的情绪或发音控制参数可以经此网关直接使用。

2. 使用网关认可的模型和音色字段

字段本次值作用
modelelevenlabs/eleven_v4带供应商前缀的 Ofox 模型 ID
voiceJBFqnCBsd6RMkjVDRZzb本次成功使用的音色标识
response_formatmp3_22050_32请求的 MP3 预设,不是文件名
speed1.0提交的速度值,不保证固定时长

变更前先查ElevenLabs 模型页。不要把显示名称当模型 ID,也不要把其他厂商的音色名直接填进来。

Ofox 网关和 ElevenLabs 原生接口并非同一个协议入口。原生示例可能把音色放在 URL 路径里,或支持更多专用参数;本文使用 Ofox 地址,并将音色放进 JSON 的 voice 字段。把原生文档的全部参数复制过来,不等于完成兼容性验证。

先用最小配置成功,再逐项尝试其他音色、语言参数和设置。封装统一客户端时,保留供应商特有配置,避免向使用者暗示所有语音模型可以无差别互换。

3. 用 Python 生成第一份 MP3

在解压后的工具包目录运行:

python3 audio_api.py speech \
  --engine elevenlabs \
  --text comparison.txt \
  --output my-first-voiceover.mp3

请选择新文件名。客户端发现目标已存在会拒绝覆盖,以免第二次实验抹掉第一次的证据。它会保存不含密钥的内容配置,检查响应类型、写入音频、测量时长并尝试解码。预期得到 MP3 和元数据,而不是一个包含下载链接的 JSON。

本次返回 HTTP 200、audio/mpeg,文件 40,456 字节,ffprobe 测得 10.00 秒;客户端记录耗时 2.861 秒。耗时包含这一次网络和处理过程,不是首段音频延迟,也不是服务性能保证。

这里是真实生成的配音。保留原文件;如果为视频调整响度或裁剪静音,另存编辑版本,方便复查 API 最初返回了什么。

4. 用 cURL 复现同一请求

下面是另一种调用方式,先写临时响应,只有 HTTP 成功才改名:

python3 - <<'PY'
import json
from pathlib import Path
payload = {
    'model': 'elevenlabs/eleven_v4',
    'voice': 'JBFqnCBsd6RMkjVDRZzb',
    'input': Path('comparison.txt').read_text().strip(),
    'response_format': 'mp3_22050_32',
    'speed': 1.0,
}
Path('speech-request.json').write_text(json.dumps(payload))
PY
curl --fail-with-body --silent --show-error \
  https://api.ofox.io/v1/audio/speech \
  -H "Authorization: Bearer $OFOX_API_KEY" \
  -H 'Content-Type: application/json' \
  --data-binary @speech-request.json \
  --output speech-response.tmp \
  && mv speech-response.tmp curl-voiceover.mp3

Python 和 cURL 二选一即可,两种都运行会发起两次生成。本文实测文件来自 Python 客户端,cURL 展示等价请求构造。旧版 cURL 如果不支持 --fail-with-body,使用 Python 客户端,或自行明确检查状态码。

失败后临时文件可能保留错误内容,先读取再处理。不要为了让播放器打开文件,直接把错误响应改成 .mp3。

5. 验证文件,而不只看状态码

ffprobe -v error -show_entries \
  stream=codec_name,sample_rate,channels:format=duration \
  -of json my-first-voiceover.mp3
ffmpeg -v error -i my-first-voiceover.mp3 -f null -

无解码错误只是技术检查,不能证明品牌读音、停顿、语气和画面切点都正确。发布前应完整试听,对照已经批准的台词,记录具体问题位置。

本例后续的 Scribe 转写 返回了相同词句,标点略有差别。这可以辅助检查,但不能替代试听:识别模型可能规范化某些错误,也可能漏掉杂音,两个模型结果相符并不等于音频完美。

验收记录至少包括台词版本、模型、音色、格式、实际时长、解码结果和发音检查状态。尚未检查的项目明确留空。HTTP 成功但内容未经确认,只能算进入编辑复核,不能直接当成可投放成品。

6. 按真实时长接入视频

以实际测量安排镜头。换音色或重新生成,同一台词也可能出现不同时长;speed=1.0 不会保证任何结果都适配十秒时间线。

旁白长于画面时,调整对应镜头或台词;短于画面时,可以保留有意的停顿。不理解 shortest 选项行为时,不要用它掩盖时长冲突,否则可能截掉结尾画面或最后几个字。

视频配音教程介绍测量、组装 MP4;Scribe 字幕教程介绍真实词级时间戳。这个样例证明指定配置可以得到音频,不证明所有语言、专业词和交付格式都同样适用。

7. 费用要区分计量单位

按字符、音频 token 和转写秒数计费,不是同一种单位,不能直接比较裸数字。以模型页、适用配置及账户的逐请求账单为准。

文件 40 KB、请求耗时约三秒,都不能推出本次实际收费。工具包保留请求信息,供使用者匹配自己的用量记录;本文没有把目录估算写成已结算账单。

批量制作时还要计入废片和重试。三次生成才得到一段可用配音,与一次通过的成本不同。应记录全部计费调用,再计算每份合格成品的费用,不能只凭最低牌价决定方案。

8. 按失败阶段排查

现象先核对处理
401 提到 quota错误正文、请求 ID核对实际路由和账号,不直接认定 Ofox 钱包空了
401 提到凭据环境变量、认证方式修正密钥来源,不打印密钥
400 或格式不支持模型、音色、格式组合回到已验证配置,一次改一个参数
很小的 MP3 播不了响应类型与内容先读错误,修好后再生成
超时且结果未知请求记录确认是否已完成再重试
漏词或读音不合适原音频与台词修订后另存新版本

此前本项目确实遇到 Ofox 钱包有余额、上游仍返回额度错误的情况;路由恢复后新请求成功。这只是相关请求的证据,不代表所有 401 都是同一原因。

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

AI 应用开发:四维架构落地实战——以 HR Agent 为例拆解感知·推理·记忆·执行【意图路由、规划编排、长期记忆、工具执行、面试题】

本文基于四维架构(感知·推理·记忆·执行),以HR Agent为例,系统拆解大模型应用从“聊天”到“生产可用”的落地路径。通过Spring AI实现意图路由、规划编排、RAG检索与工具调用,结合真实踩坑复盘,揭示架构化设计对安全、成本与可维护性的关键价值,为AI Agent工程化提供可复用的实战框架。

王大师企业官方博客 1320

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 338

人形机器人系列——硬件介绍

人形机器人是多领域交叉技术的产物,主要由三大系统组成:感知系统、决策系统和执行系统。感知系统感知系统是人形机器人获取外界信息的途径,主要由各种传感器组成。其中,视觉传感器用于获取图像信息,如摄像头、激光雷达等;触觉传感器用于感知触碰和压力,如力/力矩传感器、声学传感器等。这些传感器收集到的信息为机器人的决策和执行提供基础。决策系统决策系统是人形机器人的大脑,负责处理和决策各种信息。它由芯片和算法组成。芯片是硬件基础,提供计算能力;算法是软件基础,用于处理和分析传感器收集到的信息,并做出相应的决策。执行系统。

liangwqi的博客 1万+

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 614

Pywinauto与Inspect.exe完美搭配:解决Windows应用UI自动化中的元素定位难题

本文详细介绍了如何将Pywinauto与Inspect.exe结合,以解决Windows应用UI自动化中的核心难题——元素定位。通过实战指南,阐述了如何利用Inspect.exe在UIA模式下精准侦察控件属性,并将这些信息转化为Pywinauto的稳健定位策略,从而高效自动化WPF、WinForms等现代框架构建的复杂桌面应用。

weixin_29297127的博客 520

2023年5月青少年软件编程Python等级考试四级真题(含答案和解析)

电子学会,2023年5月,青少年软件编程,Python等级考试,四级真题(含答案和解析)

m0_37554648的博客 905

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 276

【Claude】组织级认证限制报错已解决(4 种)

报错被禁用的是什么谁能解除应急方案整个 Console 组织Anthropic 支持换账户 / 订阅凭证API key 认证方式你的组织管理员用订阅/login订阅 OAuth 登录你的组织管理员用 API keyRoutines 功能你的组织所有者手动计划任务替代共同排查模式/status确认当前凭证;检查环境变量;看清报错消息里命名的是什么(key?组织访问?),对症清除;管理员层面的限制,找管理员解锁。

博客 1万+

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 207

由浅入深的详细解读汽车PDU与BDU

本文详细解读新能源汽车的PDU高压配电单元和BDU电池包断路单元,涉及电气件参数设计、选型、结构设计、电气安全、散热设计、继电器控制与诊断,提供汽车电子知识和技术解析。

让你爱上电路设计 1万+

基于STM32L4XX 、HAL库的ATD5984步进电机驱动器驱动程序应用设计

一、简介: ATD5984是一款内部集成了译码器的微特步进电机 驱动器,能使双极步进电机以全、半、1/4、/1/8、1/16 和1/32步进模式工作。步进模式由逻辑输入管脚MSx选 择。其输出驱动能力达到28V±1.6A。 译码器是ATD5984易于使用的关键,通过STEP管脚 输入一个脉冲就可以使电机完成一次步进,省去了相序 表,高频控制线及复杂的编程接口,使其更适于没有复 杂的微处理器或微处理器负担过重的场合。 在步进操作期间,ATD5984的内部电路可以自动

PP_Cottage的博客 410

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 340

vue2 - elementUI表格table树形结构复选框勾选父子联动示例,el-table树状表格tree复选框checkbox多选框全选/反选取消children(当子级全选中,父级自动勾选)

vue2,elementui,el-table树状表格多选,树形结构结合多选框使用,实现单选父子联动全选反选,勾选联动父级勾选,表格多选check父子联动,table表格children如何嵌入复选框,el-table使用多选框与树形数据写一个有半选全选功能的表格,el-table树形表格实现复选框多选效果,表格树状结构多选,每一个row都可以选中并且联动全选按钮,table选父带子选子带父,树形数据与懒加载,Table表格树形结构多选框选中父级时会选中子级,elementUI表格里树形结构嵌套复选框全选全

✅ 精选推荐文章 1万+

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 349

SAP 关于替代料物料混用问题处理方案简介

电子料很多都是需要进行替代的,并且需要考虑当A物料库存不足时,需要考虑B物料的库存来满足需求,当需求不满足的时候也需要考虑物料的价格因素,同时考虑价格低的物料进行采购。3、还遇到过比较奇葩的处理替代料的解决方案就是将SAP系统中的需求数据用接口的方式全部传输到外围系统,同时还将所有物料的库存信息都通过接口的方式传输到外围系统中,然后通过外围系统进行替代料逻辑的处理,然后在回写回SAP更改BOM中的优先级,然后在重新下单,貌似解决了替代料的问题,但是好像又没有解决。时间:2024-01-27。

我小时候很黑的博客 2353

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 85

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 159

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 511

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 615

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

406

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 401

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 5158

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 565

企业宣传片发前如何批量排查并遮挡视频里的敏感信息

做企业视频的人都会碰到一个具体问题:实拍画面里混进了不该出现的信息。办公室背景里有贴着客户信息的白板,采访对象的授权书边缘露出一串身份证号码,街采素材里路人面孔和车牌号直接入镜。人眼在时间线上扫视,会漏掉快速闪过的帧、画面边缘的小字、以及暗光区域里的证件号码。用抹影AI完成车牌、人脸和证件区域批量检测后,又手动补充了两个时间段的屏幕遮罩,最终导出时画面已无合规隐患。重点关注快速运动、遮挡、低光照条件下的目标,这些是漏检的高发区域。导入视频后选择要检测的目标类型(人脸、车牌、证件号、二维码等)。

Mysssone的博客 181

面向工业对讲的双通道声学 DSP 模组 A-59(NR2050-A)方案解析与工程落地案例

A-59模组以NR2050-A DSP为核心,37.5×16mm邮票孔封装,支持-40℃~85℃工业温域,兼容A-06/A-09/A-29系列,可低成本替换存量设备。通过固件切换实现三种模式:模式一(低改版成本,适配矿井、电梯);模式二(最优AEC,用于医院呼叫);模式三(双波束独立输出,支持双人会议语音分离)。集成AEC、ENC、BF与AGC算法,有效抑制回声、噪声与串扰,解决对讲系统核心声学难题。选型需注意参考信号路径、麦间距与温度匹配,建议先做声学测试再量产。

R190_6589的博客 373

SAP商业AI正式通过网信备案:企业落地AI五问

中数通“CDC商业AI”通过广东网信部门备案,标志着SAP商业AI在华本地化迈出关键一步。然而,合规仅是起点,企业真正需关注的是:AI能否融入核心流程、数据治理是否健全、责任归属是否清晰、价值衡量机制是否建立。从“可用”到“用好”,关键在于工作流重构、跨团队协同与业务结果导向的评估体系。国产模型成本优势与本地部署能力为ERP深度集成提供可能,但真正的竞争力仍在于对数据、流程与业务上下文的理解力。

Acloudear的博客 214
上一篇: 借助 CLAUDE.md 约束 Sonnet 5.5 多文件重构行为的提示词实践
下一篇: Gemini TTS 与 ElevenLabs 语音合成实测:同一段视频旁白效果对比
ofoxcoding
博客等级 码龄1年 167粉丝 85原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值