ElevenLabs 语音 AI 平台 Skill
ElevenLabs 覆盖 TTS、STT、声音克隆与对话式语音 Agent 四条产品线，但每条线的鉴权细节、计费单位、默认行为都不一样。最容易踩的坑：model_id 在 TTS 里可选、缺省静默落到 eleven_multilingual_v2，在 STT 里却是必填、不传直接 422——抄错一边会得到两种完全不同的失败模式。另外 Professional Voice Cloning 有一条产品层面的强制红线：即使拿到本人同意，也不能替别人创建 PVC。
xi-api-key: <key> 请求头，不是 Authorization: BearerAgent 工具更新 2026-09-21安装
选你用的 Agent，复制命令。
npx -y skills add fxp/skillify --skill elevenlabs --agent claude-code --yes装到项目的 .claude/skills/；加 -g 装到全局。装完需要你手动执行 /reload-plugins，这一步 Agent 代劳不了。
npx -y skills add fxp/skillify --skill elevenlabs --agent codex --yes装到项目的 .agents/skills/；加 -g 装到全局。
npx -y skills add fxp/skillify --skill elevenlabs --agent cursor --yes装到项目的 .agents/skills/；加 -g 装到全局。
npx -y skills add fxp/skillify --skill elevenlabs --agent opencode --yes装到项目的 .agents/skills/；加 -g 装到全局。
npx -y skills add fxp/skillify --skill elevenlabs --agent gemini-cli --yes装到项目的 .agents/skills/；加 -g 装到全局。
npx -y skills add fxp/skillify --skill elevenlabs --agent github-copilot --yes装到项目的 .agents/skills/；加 -g 装到全局。
npx -y skills add fxp/skillify --skill elevenlabs --agent trae --yes装到项目的 .trae/skills/；加 -g 装到全局。
npx -y skills add fxp/skillify --skill elevenlabs --agent windsurf --yes装到项目的 .windsurf/skills/；加 -g 装到全局。
npx -y skills add fxp/skillify --skill elevenlabs --agent qwen-code --yes把 --agent 换成你用的 Agent 标识，可以一次写多个。skills CLI 1.5.25 共支持 79 个，例如 qwen-code、kimi-code-cli、trae-cn、qoder、lingma、cline、roo。
或者让 Agent 自己装
读 https://github.com/fxp/skillify/blob/main/skills/elevenlabs/prompt.md 并照它执行装对了的标志：references/ 下有 6 份文档。
装好后，可以这样问你的 Agent
这份 Skill 覆盖的典型任务。点一下复制。
6 类能力
每类能力对应一份 reference，Agent 按任务只打开需要的那份。
文本转语音
批量/SSE 流式/WebSocket 三种调用形态怎么选、请求拼接保持韵律连续、发音词典为什么只在两个模型上生效
语音转文本
批量/实时两种转录形态、必填的 model_id、keyterms 等参数的隐藏加价、多声道为什么按声道数计费
声音克隆与设计
IVC 与 PVC 两条根本不同的技术路径、同意与验证的合规红线、不需要真人录音的 Voice Design
对话式语音 Agent
SDK 命名空间是 conversational_ai 而不是 agents、打断与轮次控制配置、MCP 工具接入、burst 并发溢出计费
模型选型
TTS 模型延迟/质量/字符上限对照、实时场景该选哪个、已弃用模型与替换建议
定价与并发限制
三条产品线各自的计费单位（字符/时长/通话分钟）、并发上限不等于最大同时通话数、订阅套餐与 credit 滚存
当前事实
整理自官方文档（抓取于 2026-09-21），还没有用真实凭证验证。
| 项 | 值 |
|---|---|
| Base URL | https://api.elevenlabs.io 固定；企业数据驻留客户另有区域域名；WebSocket 用 wss://api.elevenlabs.io/... |
| model_id 必填方向相反 | TTS 的 model_id 可选，缺省静默落到 eleven_multilingual_v2；STT 的 model_id 是必填参数，不传直接 422 |
| TTS 三种调用形态 | 批量 POST .../text-to-speech/{voice_id}、SSE 流式 .../stream、WebSocket .../stream-input——是三个不同 endpoint，不是加个 stream=true 参数 |
| 计费单位三套不同 | TTS 按字符（即 credits）计；STT 按音频时长计；ElevenAgents 按通话分钟计，LLM token 费另算 |
| 包名 | Python elevenlabs、Node @elevenlabs/elevenlabs-js，REST 与 ElevenAgents 共用；浏览器场景是独立的 @elevenlabs/client |
照通用经验写容易错的 7 件事
来自官方文档，还没有用真实凭证验证。
model_id在 TTS 和 STT 上的必填方向相反。TTS 不传会静默落到eleven_multilingual_v2（能跑但可能选错档位）；STT 不传直接 422。抄错一边会得到完全不同的失败模式。- TTS 的三种调用形态是三个不同的 endpoint/协议，不是同一个端点加参数切换。批量和 SSE 流式走普通 HTTP，WebSocket 端点的鉴权和大部分参数放在连接时的 query string 里，不是 HTTP body——三者代码结构完全不同。
- STT 的
keyterms/entity_detection/entity_redaction/detect_speaker_roles会在基础转录费上叠加 10%~30% 的附加费，不报错也不提醒。批量脚本图省事全部打开，账单会不知不觉推高。 - Professional Voice Cloning (PVC) 只能克隆账号本人的声音，即使拿到对方明确同意也不行。这是官方明确的产品/法律层面强制规则，不是技术限制——代替别人上传录音创建 PVC 违反平台政策，正确做法是让对方自己注册、验证、创建后分享链接。
- SDK 里的方法命名空间是
conversational_ai，不是agents，尽管产品在文档和营销页面上处处被叫 "ElevenAgents"。凭直觉写client.agents.create(...)大概率是AttributeError。 - 低延迟语音 Agent 场景下，"质量最高"的模型默认不可用。
eleven_v3/eleven_multilingual_v2未被官方列为实时候选；真正为对话设计的是eleven_flash_v2_5（~75ms）和eleven_v3_conversational（~280ms）——选型时别只看质量分就默认拍质量最高的模型。 enable_logging=false（Zero Retention Mode）文档写明仅 Enterprise 客户可用，非企业账号传了会怎样文档未说明。MCP 工具接入在 Zero Retention / HIPAA 模式下同样完全不可用，即使显式开了can_use_mcp_servers也无效。