ElevenLabs 对话生成

通过 inference.sh CLI 生成多说话人对话音频。

快速开始

需要 inference.sh CLI (infsh)。安装说明

infsh login

# 生成对话
infsh app run elevenlabs/text-to-dialogue --input '{
  "segments": [
    {"text": "你试过新功能了吗？", "voice": "george"},
    {"text": "还没有，但我听说它很棒。", "voice": "aria"},
    {"text": "你今天应该试试看。", "voice": "george"}
  ]
}'

语音选项

为每个说话人提供 22+ 种优质声音：

热门搭配

所有声音

女声：aria, alice, bella, jessica, laura, lily, sarah, matilda

男声：george, adam, bill, brian, callum, charlie, chris, daniel, eric, harry, liam, river, roger, will

语音指示

在方括号中添加指示以控制表达方式：

infsh app run elevenlabs/text-to-dialogue --input '{
  "segments": [
    {"text": "[兴奋地] 猜猜今天发生了什么！", "voice": "aria"},
    {"text": "[好奇地] 什么？快告诉我！", "voice": "george"},
    {"text": "[自豪地] 我们达到一万用户了！", "voice": "aria"},
    {"text": "[惊讶地] 不会吧，这太棒了！", "voice": "george"}
  ]
}'

指示关键词

示例

播客剧集

infsh app run elevenlabs/text-to-dialogue --input '{
  "segments": [
    {"text": "欢迎回到科技谈！今天我们要讨论人工智能的最新进展。", "voice": "george"},
    {"text": "谢谢邀请。现在这个话题真是太令人兴奋了。", "voice": "aria"},
    {"text": "让我们从一个大问题开始。人工智能如何改变创意工作？", "voice": "george"},
    {"text": "好问题。我认为最大的变化在于可访问性。过去需要专业技能的工现在每个人都能用。", "voice": "aria"},
    {"text": "能给我们举个具体的例子吗？", "voice": "george"},
    {"text": "当然。就拿音频制作来说。一年前，你需要录音室和配音演员。现在你可以用人工智能声音生成专业对话。", "voice": "aria"}
  ]
}'

教程 / 解说

infsh app run elevenlabs/text-to-dialogue --input '{
  "segments": [
    {"text": "你能带我了解设置过程吗？", "voice": "jessica"},
    {"text": "当然。第一步，安装 CLI。这大约需要三十秒。", "voice": "daniel"},
    {"text": "然后呢？", "voice": "jessica"},
    {"text": "第二步，运行登录命令。它会在浏览器中打开进行身份验证。", "voice": "daniel"},
    {"text": "听起来够简单的。", "voice": "jessica"},
    {"text": "是的。第三步，你就可以运行第一个应用了。", "voice": "daniel"}
  ]
}'

有声读物对话

infsh app run elevenlabs/text-to-dialogue --input '{
  "segments": [
    {"text": "[轻声] 你听到了吗？", "voice": "lily"},
    {"text": "[紧张地] 听到什么？我什么都没听到。", "voice": "harry"},
    {"text": "正是。森林完全安静了。", "voice": "lily"},
    {"text": "[担心地] 这不是好兆头，对吧？", "voice": "harry"},
    {"text": "[坚定地] 我们得走了。现在。", "voice": "lily"}
  ]
}'

产品演示

infsh app run elevenlabs/text-to-dialogue --input '{
  "segments": [
    {"text": "那这个和其他解决方案有什么不同？", "voice": "brian"},
    {"text": "三点。速度、质量和简洁性。", "voice": "alice"},
    {"text": "听起来好得令人难以置信。", "voice": "brian"},
    {"text": "[自信地] 让我展示给你看。看好了。", "voice": "alice"}
  ]
}'

客服培训

infsh app run elevenlabs/text-to-dialogue --input '{
  "segments": [
    {"text": "[沮丧地] 我等了二十分钟，问题还没解决。", "voice": "adam"},
    {"text": "[共情地] 我完全理解您的沮丧，对您的等待表示歉意。让我立刻为您查看。", "voice": "sarah"},
    {"text": "我只是需要恢复我的账户访问权限。", "voice": "adam"},
    {"text": "当然。我看到问题了。请稍等片刻，我会为您解决。", "voice": "sarah"},
    {"text": "好的，谢谢。", "voice": "adam"},
    {"text": "[愉快地] 完成了！您的访问权限已恢复。还有什么我能帮忙的吗？", "voice": "sarah"}
  ]
}'

技巧

1. 变化句子长度 – 简短回应与较长解释交替使用
2. 包含反应词 – “没错！”、“有意思。”、“嗯……”让对话更自然
3. 慎用指示 – 每个交流片段用一到两个指示，不要每句都用
4. 保持片段简短 – 每次发言不超过 3 句话，保持自然节奏
5. 分配独特声音 – 使用对比鲜明的声音增加清晰度
6. 为口语而写 – 使用缩略语、非正式语言

工作流：对话 + 音乐

# 1. 生成对话
infsh app run elevenlabs/text-to-dialogue --input '{
  "segments": [
    {"text": "欢迎收看本期节目。", "voice": "george"},
    {"text": "很高兴来到这里。", "voice": "aria"}
  ]
}' > dialogue.json

# 2. 生成背景音乐
infsh app run elevenlabs/music --input '{
  "prompt": "柔和的播客背景音乐，不干扰人声",
  "duration_seconds": 30
}' > music.json

# 3. 合并
infsh app run infsh/media-merger --input '{
  "media": ["<对话-url>", "<音乐-url>"]
}'

应用场景

• 播客：多主持人剧集、访谈
• 有声读物：角色对话场景
• 在线教育：师生互动
• 解说视频：问答形式教程
• 培训：客服情景模拟
• 视频脚本：前期对话测试

相关技能

# ElevenLabs 文本转语音（单语音叙述）
npx skills add inference-sh/skills@elevenlabs-tts

# ElevenLabs 音乐（对话背景）
npx skills add inference-sh/skills@elevenlabs-music

# Dia TTS 对话（带 S1/S2 标签的免费替代品）
npx skills add inference-sh/skills@dialogue-audio

# 完整平台技能（150+ 个应用）
npx skills add inference-sh/skills@infsh-cli

浏览所有音频应用：infsh app list --category audio