Um Guia Abrangente para Usar a API ElevenLabs para Python

Name

Akira Sakamoto

Published on 19/08/2023

(opens in a new tab) (opens in a new tab) (opens in a new tab) (opens in a new tab) (opens in a new tab) (opens in a new tab)

A API ElevenLabs é uma ferramenta essencial para desenvolvedores e criadores, permitindo que usuários de Python incorporem vozes convincentes e naturais em suas aplicações com apenas algumas linhas de código. Este guia detalhado irá guiá-lo através da instalação, utilização, suporte multilíngue, customização de voz, recursos de streaming em tempo real e configuração da chave da API da ElevenLabs.

Configurando a API ElevenLabs

A API ElevenLabs foi projetada para ser simples de instalar. Tudo o que é necessário é um comando via pip, o instalador de pacotes embutido do Python:

pip install elevenlabs

Com este comando, o ElevenLabs está prontamente disponível em seu sistema para seus scripts Python.

Utilizando a API

Uma vez instalada, a API ElevenLabs é simples de usar. Vamos considerar um exemplo:

from elevenlabs import generate, play
 
audio = generate(
  text="Olá! Eu sou o Robert, muito prazer em conhecê-lo!",
  voice="Robert",
  model="eleven_monolingual_v1"
)
 
play(audio)

Este exemplo usa a voz 'Robert' do modelo 'eleven_monolingual_v1' para gerar e reproduzir o áudio para o texto fornecido.

Aproveitando as Capacidades Multilíngues

Um recurso destacado da API ElevenLabs é o seu suporte robusto para vários idiomas. O modelo eleven_multilingual_v1 oferece aos desenvolvedores a capacidade de criar áudio de texto para fala em vários idiomas, incluindo inglês, alemão, polonês, espanhol, italiano, francês, português e hindi. Vamos ver um exemplo diferente:

from elevenlabs import generate, play
 
audio = generate(
    text="Bonjour! Je m'appelle Marcel, ravi de vous rencontrer!",
    voice="Marcel",
    model='eleven_multilingual_v1'
)
 
play(audio)

Este exemplo gera e reproduz áudio em francês usando a voz 'Marcel' do modelo 'eleven_multilingual_v1'.

Experimentando com Vozes Diferentes

A API ElevenLabs permite que você liste todas as vozes disponíveis com a função voices():

from elevenlabs import voices, generate
 
available_voices = voices()
 
audio = generate(text="Saudações, terrestres!", voice=available_voices[0])
 
print(available_voices)

Este exemplo gera e reproduz áudio usando a primeira voz da lista de vozes disponíveis.

Clonando Vozes

Com a API ElevenLabs, você pode clonar qualquer voz instantaneamente. Tenha em mente que a clonagem de vozes requer uma chave da API. Aqui está uma demonstração de como clonar uma voz:

from elevenlabs import clone, generate, play
 
voice = clone(
    name="Charlie",
    description="Uma voz masculina britânica com tom profundo e ressonante. Ideal para audiolivros",
    files=["./sample_0.mp3", "./sample_1.mp3", "./sample_2.mp3"],
)
 
audio = generate(text="Saudações! Eu sou uma voz clonada!", voice=voice)
 
play(audio)

Este exemplo demonstra o processo de clonagem de uma voz e geração de áudio com a voz clonada.

Streaming em Tempo Real

A API ElevenLabs permite o streaming de áudio em tempo real à medida que está sendo gerado. Aqui está uma demonstração rápida:

from elevenlabs import generate, stream
 
audio_stream = generate(
  text="Sintonize... para uma voz de streaming em tempo real!",
  stream=True
)
 
stream(audio_stream)

Configurando a Chave da API

A API básica tem um limite de caracteres limitado. Para aumentar esse limite, você pode obter uma chave de API gratuita da ElevenLabs. Essa chave pode ser configurada como uma variável de ambiente ELEVEN_API_KEY, ou você pode fornecê-la como um argumento de string para a função de geração generate:

from elevenlabs import set_api_key
set_api_key("<SUA_CHAVE_DA_API>")

Neste exemplo, configuramos a chave da API em nosso script, aumentando o limite de caracteres de nossa funcionalidade de texto para fala.

Ao integrar a API ElevenLabs em seus scripts Python, você poderá fazer com que suas aplicações falem com vozes naturais e atraentes. É hora de aprimorar seus projetos com o poder da fala realista.

Solução de Problemas da API ElevenLabs

Embora a ElevenLabs ainda esteja em fase beta e o modelo multilíngue seja experimental, há medidas que você pode tomar para otimizar o uso e a experiência. Durante a geração, você pode perceber mudanças de tom, transições de voz ou ruídos intrusivos. A prevalência desses problemas depende principalmente do modelo e voz utilizados. Enquanto trabalhamos continuamente nesses modelos para melhorias, temos alguns conselhos sobre como mitigar esses problemas.

Recomendamos dividir o texto em seções menores, preferencialmente abaixo de 800 caracteres. Isso pode ajudar a manter uma melhor qualidade de áudio. Além disso, para vozes em inglês, o modelo monolíngue tende a fornecer mais estabilidade.

Existem alguns fatores-chave a serem considerados ao solucionar problemas:

1. Comprimento do Trecho de Texto: As vozes podem degradar com o tempo, e a degradação é mais rápida no modelo multilíngue experimental. Nosso time está trabalhando ativamente para solucionar esse problema.

2. Monolíngue ou Multilíngue: O modelo monolíngue é mais estável, mas oferece suporte oficial apenas ao inglês. O modelo multilíngue é experimental e pode apresentar peculiaridades nas quais estamos trabalhando continuamente.

3. Tipo de Voz: Algumas vozes pré-fabricadas e vozes projetadas podem começar a sussurrar durante gerações mais longas. Ao usar vozes clonadas, a qualidade das amostras usadas é fundamental para a saída final.

4. Configurações Utilizadas: As configurações de estabilidade e similaridade podem afetar o desempenho da voz e a proeminência de artefatos. O modelo multilíngue pode pronunciar erroneamente números e símbolos, portanto, escrevê-los por extenso pode ser benéfico.

Embora essas sejam soluções temporárias, esperamos que elas possam melhorar sua experiência com a API ElevenLabs. Nosso time está desenvolvendo ativamente novas tecnologias, como nossa próxima atualização de "projetos", para facilitar gerações extremamente longas.

Conclusão

A API ElevenLabs para Python é uma ferramenta poderosa que traz as vozes mais realistas para criadores e desenvolvedores. Sua instalação é simples, e o uso é facilitado por um código claro e conciso. Apesar de estar em fase beta, ela oferece um suporte multilíngue robusto, várias opções de vozes, streaming em tempo real e uma chave de API configurável para aumentar o limite de caracteres. Com as orientações fornecidas neste artigo, você agora está capacitado a navegar pela API, solucionar problemas potenciais e enriquecer suas aplicações com uma fala realista. Abraçe o futuro da conversão de texto para fala com a API ElevenLabs.

Perguntas Frequentes (FAQ)

P: Como posso instalar a API ElevenLabs? R: Você pode instalar a API ElevenLabs usando o pip com o comando pip install elevenlabs.

P: Como posso gerar áudio usando a API ElevenLabs? R: Você pode gerar áudio usando a função generate, especificando o texto, voz e modelo. Em seguida, use a função play para reproduzir o áudio gerado.

P: A API ElevenLabs suporta vários idiomas? R: Sim, o modelo eleven_multilingual_v1 suporta vários idiomas, incluindo inglês, alemão, polonês, espanhol, italiano, francês, português e hindi.

P: Quais problemas posso enfrentar ao usar a API ElevenLabs? R: Como a API ElevenLabs ainda está em fase beta, você pode ter problemas como mudanças de tom, transições de voz ou ruídos durante a geração de áudio. Reduzir o comprimento do texto, usar o modelo monolíngue para inglês e considerar o tipo de voz e as configurações utilizadas podem mitigar esses problemas.

P: Como posso aumentar o limite de caracteres na API ElevenLabs? R: Você pode aumentar o limite de caracteres obtendo uma chave de API gratuita da ElevenLabs e configurando-a como uma variável de ambiente ELEVEN_API_KEY ou fornecendo-a como um argumento de string para a função generate.