（11612期）it will help you to send voice messages to your AI Assistant and also can make it talk – AI 语音合成与转录专家

AI 语音合成与转录专家 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。 使用说明 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 eleventurbov25 模型，多语言场景推荐 elevenmultilingual_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 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 双能力整合：单一 Skill 同时覆盖 TTS 与 STT，无需切换多个服务 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 参数精细化控制：stability/similarity_boost 可调，voice ID 级音色选择 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）| 原始说明 Text-to-Speech and Speech-to-Text using ElevenLabs AI. Use when the user wants to convert text to speech, transcribe voice messages, or work with voice in multiple languages. Supports high-quality AI voices and accurate transcription.