پرش به محتوا

Eleven v4، Scribe و Eleven Music

الون‌لبز (ElevenLabs) در گیسو

ElevenLabs شرکتی است که روی هوش مصنوعیِ صدا کار می‌کند. مدل‌های گفتارش متن را با صدایی طبیعی می‌خوانند، Scribe صدا را به متن و زیرنویس تبدیل می‌کند و Eleven Music با یک توصیف آهنگ می‌سازد. در گیسو نسخه‌های Eleven v4 و v3 فارسی می‌خوانند و صداهای فارسی دارند.

مدل در گیسو
۲۷
تبدیل گفتار به متن ۴، تبدیل صدا ۲
اتصال مستقیم
۱۶
بقیه از راه OpenRouter
مدل با صفحهٔ جداگانه
۶
قیمت و نمونه‌کد هر کدام
نوع کار
۴
تبدیل گفتار به متن، تبدیل صدا، ساخت موسیقی

مدل‌های ElevenLabs در چه کاری خوب‌اند

  • خواندن متن فارسی با صدای فارسی (میترا، آرش، دانش، آرمان، مهدی و چند صدای دیگر) برای کتاب صوتی، آموزش و تیزر؛ در Eleven v4 و v3 با برچسب‌هایی مثل [whispers] و [laughs] لحن را عوض می‌کنید.
  • تبدیل صدا به متن با Scribe v2، فارسی هم: زمان هر کلمه، زیرنویس SRT و VTT و جدا کردن گوینده‌ها.
  • ساخت آهنگ کامل از روی توصیف، با کلام یا بی‌کلام، از ۳ ثانیه تا ۵ دقیقه، و افکت صوتی تا ۳۰ ثانیه برای ویدیو و بازی.

همهٔ مدل‌های ElevenLabs در گیسو

قیمت دلاری هر مدل با واحد خودش (حرف، دقیقه یا ثانیه) و هزینهٔ یک نمونه به سکه. قیمت‌ها آخرین بار به‌روز شد. روی نام هر مدل بزنید تا نمونه‌کد و جزئیاتش را ببینید.

مدلنوعورودی / خروجیهر پیامکانتکست
ElevenLabs Scribe v2scribe-v2 تبدیل گفتار به متن $0.0051هر دقیقه صدا ۱۴٬۲۰۶ سکهده دقیقه صدا —
ElevenLabs English Voice Changer v2eleven-english-sts-v2 تبدیل صدا $0.168هر دقیقه صدا ۴۶۴٬۸۵۶ سکهده دقیقه صدا —
ElevenLabs Sound Effects v3eleven-sound-effects-v3 ساخت موسیقی $0.168هر دقیقه صدای ساخته‌شده ۳٬۸۷۴ سکهافکت صوتی ۵ ثانیه‌ای —
ElevenLabs Eleven Musiceleven-music-v1 ساخت موسیقی $0.21هر دقیقه صدای ساخته‌شده ۲۹٬۰۵۴ سکهقطعهٔ ۳۰ ثانیه‌ای —
ElevenLabs Turbo v2.5eleven-turbo-v2.5 تبدیل متن به گفتار $56.00هر یک میلیون حرف ۱۵٬۴۹۶ سکههزار حرف —
ElevenLabs Eleven v4eleven-v4 تبدیل متن به گفتار $112.00هر یک میلیون حرف ۳۰٬۹۹۱ سکههزار حرف —
نسخه‌های تاریخ‌دار، نام‌های قدیمی و نسخه‌های تکراری (۲۱)

شروع کار با ElevenLabs در گیسو

  1. وارد شویدبا شمارهٔ موبایل و کد پیامکی وارد گیسو شوید؛ اگر در نِت اَرز حساب دارید، همان حساب است.
  2. اعتبار را شارژ کنیدهر شارژ از ۵۰٬۰۰۰ سکه شروع می‌شود و هر پیام فقط سهم خودش را از آن برمی‌دارد.
  3. امتحان کنید یا وصل شویدبا دکمهٔ زیر ElevenLabs Eleven v4 را در اپ گیسو باز کنید؛ برای برنامهٔ خودتان کلید API بسازید.

همهٔ مدل‌های گفتار فارسی نمی‌خوانند: Multilingual v2، Flash و Turbo فارسی ندارند. برای متن فارسی یکی از نسخه‌های Eleven v4 یا v3 را انتخاب کنید.

مدل‌ها مستقیم از حساب خود گیسو وصل‌اند و بعضی‌شان با پیشوند openrouter/elevenlabs/ هم در فهرست هستند. ساخت صدا از روی نمونهٔ صدای شما (Voice Cloning) و دوبله در گیسو نیست؛ صدا را از فهرست صداهای آماده انتخاب می‌کنید.

نمونه‌کد با ElevenLabs Eleven v4

نشانی پایه https://gisoo.pro/api/v1 و شناسهٔ eleven-v4؛ برای مدل دیگر فقط شناسه را عوض کنید. این مدل از مسیر /audio/speech جواب می‌دهد.

# Iran base URL: https://ir.gisoo.pro/api/v1 (same key and paths)
import os
from openai import OpenAI

client = OpenAI(
    base_url="https://gisoo.pro/api/v1",
    api_key=os.environ["GISOO_API_KEY"],
)

audio = client.audio.speech.create(
    model="eleven-v4",
    voice="mitra",
    input="این متن معرفی محصول را با صدای رسمی بخوان.",
)
audio.write_to_file("speech.mp3")
// Iran base URL: https://ir.gisoo.pro/api/v1 (same key and paths)
import { writeFile } from "node:fs/promises";
import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://gisoo.pro/api/v1",
  apiKey: process.env.GISOO_API_KEY,
});

const audio = await client.audio.speech.create({
  model: "eleven-v4",
  voice: "mitra",
  input: "این متن معرفی محصول را با صدای رسمی بخوان.",
});
await writeFile("speech.mp3", Buffer.from(await audio.arrayBuffer()));
# Iran base URL: https://ir.gisoo.pro/api/v1 (same key and paths)
curl https://gisoo.pro/api/v1/audio/speech \
  -H "Authorization: Bearer $GISOO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "eleven-v4",
    "voice": "mitra",
    "input": "این متن معرفی محصول را با صدای رسمی بخوان."
}' --output speech.mp3

پرسش‌های رایج دربارهٔ مدل‌های ElevenLabs

هزینهٔ مدل‌های ElevenLabs در گیسو چطور حساب می‌شود؟
قیمت هر مدل دلاری است و با واحد خودش حساب می‌شود: خواندن متن به تعداد حرف، تبدیل صدا به متن به مدت فایل صوتی و آهنگ و افکت به طول قطعه. هر درخواست فقط به‌اندازهٔ مصرف واقعی از اعتبار برمی‌دارد. شارژ اعتبار از ۵۰٬۰۰۰ سکه شروع می‌شود، اشتراک ماهانه ندارد و هر قدر شارژ کنید، همان‌قدر مصرف می‌کنید. ۹٪ مالیات بر ارزش افزوده هنگام خرید اعتبار جدا حساب می‌شود.
برای استفاده از ElevenLabs در ایران کارت ارزی یا فیلترشکن لازم است؟
نه. به گیسو وصل می‌شوید و گیسو درخواست را به سرویس‌دهنده می‌رساند؛ اعتبار را هم با کارت بانکی خودتان شارژ می‌کنید. در اپ گیسو مدل را امتحان می‌کنید و برای برنامهٔ خودتان کلید API می‌گیرید.
در اپ گیسو هم می‌شود با مدل‌های ElevenLabs کار کرد؟
بله. در صفحهٔ هر مدل دکمهٔ امتحان هست که شما را به آزمایشگاه اپ گیسو می‌برد؛ متن یا فایل صوتی را همان‌جا می‌دهید و هزینه از همان اعتبار کم می‌شود.
الون‌لبز (ElevenLabs) فارسی می‌خواند؟
بله. نسخه‌های Eleven v4 و v3، از جمله v4 Turbo و v3 Conversational، متن فارسی را می‌خوانند و صداهای فارسی مثل میترا، آرش، دانش، آرمان و مهدی را دارند. Multilingual v2، Flash و Turbo فارسی نمی‌خوانند و برای انگلیسی و چند زبان دیگر مناسب‌اند.
می‌شود با الون‌لبز صدای خودم را بسازم یا فیلم را دوبله کنم؟
نه. ساخت صدا از روی نمونهٔ صدای شما (Voice Cloning) و دوبلهٔ خودکار در گیسو نیست. صدا را از فهرست صداهای آماده انتخاب می‌کنید و متن را به آن می‌دهید.
Scribe برای زیرنویس فارسی مناسب است؟
Scribe v2 صدا را به متن تبدیل می‌کند و فارسی را هم می‌فهمد. خروجی می‌تواند زمان هر کلمه، زیرنویس در قالب SRT یا VTT و برچسب گوینده‌ها را داشته باشد. نسخهٔ Medical برای متن پزشکی است و نام دارو و بیماری را دقیق‌تر می‌نویسد.
Eleven Music و افکت صوتی چه می‌سازند؟
Eleven Music از روی یک توصیف آهنگ می‌سازد، با کلام یا بی‌کلام و از ۳ ثانیه تا ۵ دقیقه. مدل افکت صوتی (Sound Effects) صدایی مثل در، باران یا صدای محیط را تا ۳۰ ثانیه می‌سازد. در هر دو، هزینه به طول قطعه بستگی دارد.