ElevenLabs API: Integre Voz de IA em Seus Aplicativos

O ElevenLabs não é só para uso manual — a API permite integrar geração de voz de alta qualidade em qualquer aplicativo, chatbot, sistema de atendimento ou pipeline de automação.

Configuração inicial

1. Obtenha sua API key

Acesse elevenlabs.io → Profile → API Keys → Create API Key. Guarde a chave com segurança.

2. Instale o SDK

# Python
pip install elevenlabs

# Node.js
npm install elevenlabs

Primeira geração de voz

Python:

from elevenlabs import ElevenLabs, VoiceSettings

client = ElevenLabs(api_key="SEU_API_KEY")

audio = client.text_to_speech.convert(
    text="Olá! Este é um exemplo de narração com ElevenLabs API.",
    voice_id="pNInz6obpgDQGcFmaJgB",  # Adam (inglês) — use ID de voz em PT
    model_id="eleven_multilingual_v2",
    voice_settings=VoiceSettings(
        stability=0.5,
        similarity_boost=0.75,
        style=0.5,
    ),
)

# Salvar em arquivo
with open("output.mp3", "wb") as f:
    for chunk in audio:
        f.write(chunk)

Node.js/TypeScript:

import { ElevenLabs } from "elevenlabs";
import { createWriteStream } from "fs";

const client = new ElevenLabs({ apiKey: process.env.ELEVENLABS_API_KEY });

async function generateSpeech(text: string, outputPath: string) {
  const audio = await client.textToSpeech.convert("voice_id_aqui", {
    text,
    model_id: "eleven_multilingual_v2",
    voice_settings: { stability: 0.5, similarity_boost: 0.75 },
  });

  const fileStream = createWriteStream(outputPath);
  audio.pipe(fileStream);
  await new Promise(resolve => fileStream.on("finish", resolve));
}

Streaming de áudio (baixa latência)

Para aplicações de conversação onde a resposta precisa começar imediatamente:

async def stream_audio(text: str):
    audio_stream = client.text_to_speech.stream(
        text=text,
        voice_id="voice_id",
        model_id="eleven_flash_v2_5",  # modelo ultra-rápido (latência <400ms)
    )
    
    async for chunk in audio_stream:
        yield chunk  # envie cada chunk para o cliente via WebSocket

O modelo eleven_flash_v2_5 é otimizado para latência — ideal para assistentes de voz conversacionais.

Modelos disponíveis

Caso de uso: Chatbot com resposta em voz

from anthropic import Anthropic
from elevenlabs import ElevenLabs

claude = Anthropic()
elvenlabs = ElevenLabs(api_key=ELEVENLABS_KEY)

async def chat_with_voice(user_message: str, voice_id: str) -> bytes:
    # 1. Gera resposta textual com Claude
    response = claude.messages.create(
        model="claude-opus-4-6",
        max_tokens=200,  # respostas curtas para conversação
        messages=[{"role": "user", "content": user_message}]
    )
    text_response = response.content[0].text
    
    # 2. Converte para voz
    audio = elevenlabs.text_to_speech.convert(
        text=text_response,
        voice_id=voice_id,
        model_id="eleven_turbo_v2",
    )
    
    return b"".join(audio)

Listando vozes disponíveis

voices = client.voices.get_all()
for voice in voices.voices:
    print(f"{voice.name}: {voice.voice_id}")

Custos e limites da API

Dica: cache áudios gerados em arquivos estáticos para evitar gerar o mesmo texto múltiplas vezes.

A API do ElevenLabs é uma das mais fáceis de usar no mercado — e o resultado de qualidade justifica o custo para aplicações que precisam de voz de alta fidelidade.