ElevenLabs

Mastra の ElevenLabs Voice 実装は、ElevenLabs API を使用した高品質な Text-to-Speech（TTS）および Speech-to-Text（STT）機能を提供します。

使用例

import { ElevenLabsVoice } from '@mastra/voice-elevenlabs'

// Initialize with default configuration (uses ELEVENLABS_API_KEY environment variable)
const voice = new ElevenLabsVoice()

// Initialize with custom configuration
const voice = new ElevenLabsVoice({
  speechModel: {
    name: 'eleven_multilingual_v2',
    apiKey: 'your-api-key',
  },
  speaker: 'custom-speaker-id',
})

// Text-to-Speech
const audioStream = await voice.speak('Hello, world!')

// Get available speakers
const speakers = await voice.getSpeakers()

コンストラクターパラメーター

speechModel?:

ElevenLabsVoiceConfig

= { name: 'eleven_multilingual_v2' }

Text-to-Speech 機能の設定。

ElevenLabsVoiceConfig

name?:

ElevenLabsModel

使用する ElevenLabs モデル

apiKey?:

string

ElevenLabs API キー。未指定の場合は ELEVENLABS_API_KEY 環境変数を使用します

speaker?:

string

= '9BWtsMINqrJLrRacOk9x' (Aria voice)

Text-to-Speech に使用する Speaker の ID

メソッド

speak()

設定された音声モデルと Voice を使用してテキストを音声に変換します。

input:

string | NodeJS.ReadableStream

音声に変換するテキスト。ストリームを指定した場合は、先にテキストへ変換されます。

options?:

object

音声合成の追加オプション

object

speaker?:

string

このリクエストでデフォルトの Speaker ID を上書きします

戻り値：Promise<NodeJS.ReadableStream>

getSpeakers()

使用可能な Voice オプションの配列を返します。各要素には次の値が含まれます。

voiceId:

string

Voice の一意な識別子

name:

string

Voice の表示名

language:

string

Voice の言語コード

gender:

string

Voice の性別

listen()

ElevenLabs Speech-to-Text API を使用して音声入力をテキストに変換します。

input:

NodeJS.ReadableStream

文字起こしする音声データを含む読み取り可能なストリーム

options?:

object

文字起こしの設定オプション

options オブジェクトは次のプロパティをサポートします。

language_code?:

string

ISO 言語コード（例：'en'、'fr'、'es'）

tag_audio_events?:

boolean

[MUSIC]、[LAUGHTER] などの音声イベントにタグを付けるかどうか

num_speakers?:

number

音声内で検出する Speaker の数

filetype?:

string

音声ファイル形式（例：'mp3'、'wav'、'ogg'）

timeoutInSeconds?:

number

リクエストのタイムアウト（秒）

maxRetries?:

number

再試行の最大回数

abortSignal?:

AbortSignal

リクエストを中止するためのシグナル

戻り値：Promise<string> - 文字起こしされたテキストに解決する Promise

重要な注意事項

1. ElevenLabs API キーが必要です。ELEVENLABS_API_KEY 環境変数で設定するか、コンストラクターに渡してください。
2. デフォルトの Speaker は Aria（ID：'9BWtsMINqrJLrRacOk9x'）です。
3. ElevenLabs は Speech-to-Text 機能をサポートしていません。
4. 使用可能な Speaker は getSpeakers() メソッドで取得できます。このメソッドは、言語や性別を含む各 Voice の詳細情報を返します。