ElevenLabs Automation

ElevenLabs 文本转语音自动化集成

通过 Composio MCP 集成，为 AI Agent 添加 ElevenLabs 文本转语音能力，实现自动化语音生成、语音库浏览、订阅监控和历史记录检索。

技能概述

ElevenLabs Automation 是一个 MCP (Model Context Protocol) 集成工具，让开发者可以在 AI Agent 中直接调用 ElevenLabs 的文本转语音 API，无需编写额外的集成代码。

适用场景

1. 内容创作自动化

为播客、有声书、视频教程批量生成配音。支持从文本脚本自动创建高质量语音内容，适合内容创作者和自媒体团队提升制作效率。

2. 多语言语音合成

利用 ElevenLabs 的多语言模型，为国际化项目自动生成各语言版本的语音内容，覆盖教育、客服、导航等场景。

3. 实时语音交互应用

通过流式传输功能，构建低延迟的语音对话系统，适用于智能客服、语音助手、实时翻译等需要即时语音反馈的应用。

核心功能

文本转语音生成

将文本内容转换为自然流畅的语音音频，支持多种模型选择（包括 Multilingual v2、Turbo v2、Flash 等）和输出格式（MP3、PCM、uLaw）。可设置种子值实现语音 reproducibility，并支持自定义发音词典，单次最多支持 40,000 字符（v2.5 模型）。

语音库浏览与检查

获取所有可用语音列表及其元数据（性别、口音、使用场景标签），支持单个语音的详细信息查询，帮助开发者选择最合适的语音角色进行内容创作。

订阅与配额管理

实时查询账户订阅信息和剩余字符配额，避免因额度不足导致的生成失败。适合批量任务前的预检和资源规划。

常见问题

ElevenLabs Automation 如何集成到 AI Agent？

通过添加 Composio MCP 服务器 https://rube.app/mcp 到你的 MCP 客户端，在首次调用时连接 ElevenLabs 账户（需要 API Key），即可在 Agent 中使用所有 ElevenLabs 功能。

文本转语音有哪些限制？

大多数模型单次请求限制约 10,000-20,000 字符，Flash/Turbo v2 支持最多 30,000 字符，v2.5 模型支持最多 40,000 字符。超出限制会返回 HTTP 400 错误。建议将长文本拆分为 5000 字符左右的分片分别生成。

生成的音频文件会保存多久？

ELEVENLABS_TEXT_TO_SPEECH 返回的是 S3 预签名下载链接（data.file.s3url），有效期约 1 小时。需要及时下载音频文件到本地存储，避免链接过期后无法访问。