Domande frequenti
Cos'è esattamente questa API?
È un'API cloud per la sintesi vocale: invii un testo e ricevi un file audio. L'endpoint è POST https://api.11lab.info/v1/audio/speech con corpo JSON. Funziona con gli SDK ufficiali OpenAI modificando il base_url. Non è affiliata a OpenAI né ad altri brand citati nei confronti.
Come invio un testo all'API?
Invia una richiesta POST a https://api.11lab.info/v1/audio/speech. Il corpo deve contenere il campo input con il testo (max 4096 caratteri), il modello (tts-1 o tts-1-hd), la voce e il formato di risposta. L'autenticazione avviene tramite header Authorization: Bearer con la tua chiave API attiva.
Quali parametri devo impostare?
Devi impostare model (tts-1 o tts-1-hd), input (testo), voice (uno degli 8 preset), response_format (mp3, wav, opus, flac, pcm) e speed (0.25–4.0). Il campo language è opzionale; se non impostato, il sistema tenta l'individuazione automatica basandosi sullo script del testo inviato.
Posso controllare la velocità?
Sì, il parametro speed accetta valori tra 0.25 e 4.0. Questo ti permette di accelerare o rallentare la narrazione in base alle esigenze del tuo contenuto WordPress. La velocità influisce sulla durata finale del file audio generato senza alterare la qualità della voce selezionata.
Come gestisco testi superiori a 4096 caratteri?
Devi dividere il testo in parti di massimo 4096 caratteri ciascuna. Invia ogni parte separatamente all'API e ricevi i file audio corrispondenti. Successivamente, unisci i file audio generati per ottenere il file finale completo. Ogni richiesta è fatturata separatamente in base ai caratteri.
Quali lingue sono supportate esattamente?
Supportiamo 23 lingue: arabo, cinese, danese, olandese, inglese, finlandese, francese, tedesco, greco, ebraico, hindi, italiano, giapponese, coreano, malese, norvegese, polacco, portoghese, russo, spagnolo, swahili, svedese e turco. Non supportiamo vietnamita, indonesiano, tailandese, ucraino, rumeno, ceco, bengalese e altre.
Perché non c'è streaming audio?
Il prodotto non offre streaming, WebSocket o audio parziale in tempo reale. L'API restituisce il file audio completo al termine della generazione. Questo approccio garantisce che il file sia integro e pronto all'uso immediato nel tuo workflow di pubblicazione WordPress senza buffering intermedio.
Supportano il formato SSML?
No, non supportiamo il formato SSML. Non sono disponibili tag personalizzati per la pronuncia o le pause strutturate. Puoi solo inviare testo puro o utilizzare il parametro speed per modulare la velocità. Per dettagli tecnici, consulta la documentazione o la pagina contatti per supporto email.
Posso clonare la mia voce?
No, non offriamo clonazione vocale personalizzata né upload di voci proprie. Utilizziamo solo 8 preset basati su registrazioni licenziate (LibriTTS-R). Non è possibile designare voci personalizzate né replicare timbri specifici oltre ai modelli forniti. La clonazione personalizzata non è una feature del nostro servizio.
Quanto tempo ci vuole per generare l'audio?
I testi lunghi vengono generati circa in tempo reale (25 caratteri al secondo). Le frasi brevi richiedono alcuni secondi. Le richieste vengono elaborate in sequenza; sotto carico, una richiesta potrebbe attendere in coda. Non vi sono garanzie SLA sulla tempistica esatta di generazione.
Cosa succede se il server è lento?
Le richieste vengono elaborate in ordine sequenziale. Se c'è carico elevato, la tua richiesta potrebbe attendere in coda prima della generazione. Non offriamo SLA né garanzie di uptime. Se la sintesi fallisce, la richiesta è gratuita e il credito viene restituito in full.
I dati vengono salvati nei loro server?
Il testo di input viene utilizzato solo per produrre l'audio e non per l'addestramento. L'audio generato viene restituito nella risposta e non viene memorizzato. Conserviamo i metadati della richiesta (ora, caratteri, stato) esclusivamente per fini di fatturazione e controllo del servizio fornito.
È sicuro usare l'API in produzione?
L'API è progettata per l'uso professionale con autenticazione tramite chiave Bearer. Non offriamo certificazioni (SOC 2, HIPAA) né contratti enterprise. I dati sono gestiti in modo standard. Per dubbi specifici sulla sicurezza, contatta il supporto via email, l'unico canale disponibile.
Come evito di superare il rate limit?
Il limite è di 60 richieste al minuto per chiave (10/min prima del primo ricarica). Monitora l'utilizzo nella dashboard o calcola la frequenza in base alla lunghezza dei testi. Implementa code di richiesta nel tuo plugin WordPress per rispettare i limiti senza interruzioni del servizio.
Flusso di elaborazione richiesta
L’infrastruttura API per WordPress accetta richieste POST sul endpoint dedicato, elaborando il testo in formato JSON. Ogni richiesta contiene i parametri essenziali per la generazione audio, garantendo un flusso di dati strutturato e prevedibile per l’integrazione nel backend del sito.
Invio dati al server
Il plugin o lo script personalizzato invia una richiesta POST a https://api.11lab.info/v1/audio/speech. Il corpo della richiesta include il modello, la voce selezionata, il testo (fino a 4096 caratteri) e il formato desiderato. L’autenticazione avviene tramite header Authorization: Bearer, assicurando che solo account validi possano generare audio.
Elaborazione asincrona
Una volta ricevuta la richiesta, il server avvia la sintesi vocale. I file audio non sono generati istantaneamente per testi lunghi; la velocità di elaborazione è circa pari al tempo reale di ascolto (25 caratteri al secondo). Sotto carico, le richieste possono accodarsi, influenzando i tempi di risposta.
Ricezione file audio
Al termine dell’elaborazione, il server restituisce il file audio nel formato richiesto (mp3, wav, opus, flac o pcm). Il file viene scaricato dal client WordPress e può essere salvato nel media library o utilizzato direttamente. Se la sintesi fallisce, la richiesta è gratuita e nessun credito viene addebitato.
Configurazione della voce
La configurazione della voce determina il tono e la voce che verranno restituiti dall'API. Ogni richiesta deve specificare uno degli otto preset disponibili, tra cui voci maschili come atlas per contenuti neutri e orion per documentari, o femminili come aria e nova. Questa scelta è fondamentale per adattare l'audio al contesto editoriale del blog.
La voce selezionata è indipendente dalla lingua del testo, consentendo di generare audio in 23 lingue supportate con lo stesso preset vocale. È possibile regolare la velocità di lettura e il formato audio per ottimizzare il flusso di lavoro WordPress senza compromettere la qualità del file generato.
Selezione preset vocali
Ogni richiesta API deve includere il parametro voice con uno degli otto preset certificati. Le voci maschili includono felix (energetico, promo), milo (amichevole, conversazionale) e atlas (neutro, news). Le voci femminili sono aria (calda, narratrice), nova (luminosa, vivace), luna (morbida, storytelling) e sage (calma, istruzionale).
I preset sono basati su registrazioni licenziate (LibriTTS-R) e non offrono personalizzazioni emotive o clonazione. Ogni voce può pronunciare correttamente tutte le 23 lingue supportate, dal tedesco al giapponese, senza necessità di cambiare preset per lingue diverse.
- 8 preset vocali distinti
- Voci maschili: felix, milo, atlas, orion
- Voci femminili: aria, nova, luna, sage
- Compatibilità con 23 lingue diverse
Impostazione velocità
Il parametro speed accetta valori tra 0.25 e 4.0, consentendo di accelerare o rallentare la lettura rispetto alla velocità naturale. Una velocità di 1.0 corrisponde alla voce standard, mentre valori superiori a 2.0 possono risultare meno naturali per testi lunghi.
Questa regolazione è utile per adattarsi a diversi ritmi di consumo audio nei blog. È possibile testare diversi valori prima di integrare l'API nel workflow WordPress per garantire che il risultato sia comprensibile e gradevole.
- Intervallo: 0.25–4.0
- 1.0 = velocità standard
- Valori >2.0 possono ridurre la chiarezza
- Test consigliato prima dell'integrazione
Scelta formato output
Il parametro response_format supporta mp3, wav, opus, flac e pcm. Il formato mp3 è consigliato per la maggior parte delle applicazioni web per il suo equilibrio tra qualità e dimensione del file. Il formato wav offre qualità lossless ma richiede più spazio di archiviazione.
La scelta del formato influisce sulla dimensione del file audio generato e sulla compatibilità con i player WordPress. I formati opus e flac offrono un buon compromesso tra qualità e compressione, mentre pcm è non compresso e utile per elaborazioni successive.
- Formati supportati: mp3, wav, opus, flac, pcm
- Mp3: consigliato per web
- Wav: qualità lossless
- Opus/Flac: buon compromesso qualità/dimensioni
Gestione dei testi lunghi
Per superare il limite di 4096 caratteri per richiesta, è necessario suddividere il testo in segmenti più piccoli. Questa operazione può essere gestita direttamente nel backend del sito WordPress prima di inviare la richiesta all'endpoint API.
Divisione in chunk
Il testo viene segmentato in blocchi di massimo 4096 caratteri. Ogni blocco viene inviato separatamente come richiesta JSON.
Limite 4096 caratteri
Ogni chiamata alla API accetta un input fino a 4096 caratteri, inclusi spazi e punteggiatura. Superato questo valore, la richiesta viene rifiutata.
Unione file audio
I file audio generati per ogni chunk vengono concatenati in sequenza. Il risultato finale è un unico file audio coerente, pronto per l'uso nel blog.
Rilevamento della lingua
La API rileva automaticamente la lingua basandosi sullo script del testo inviato. Se il testo contiene caratteri latini, il sistema presuppone l'inglese come impostazione predefinita.
Rilevamento automatico script
Il motore analizza i caratteri per identificare la scrittura. Questo processo è immediato e non richiede parametri aggiuntivi nella richiesta JSON.
- Analisi basata sugli script dei caratteri
Impostazione lingua esplicita
- Supporto per 23 lingue specifiche
- Codici ISO standardizzati
Fallback inglese default
Se il campo language non è fornito e il testo è in alfabeto latino, la sintesi avverrà in inglese. Per evitare errori di pronuncia in altre lingue latine, la specifica esplicita è la procedura corretta.
Limitazioni tecniche note
La piattaforma API fornisce un servizio batch: invii il testo e ricevi il file audio completo. Non è disponibile uno streaming real-time né WebSocket per l'audio parziale, utile solo in contesti di bassa latenza. Inoltre, la struttura richiesta segue lo standard OpenAI ma non supporta il formato SSML, quindi non puoi controllare pause o enfasi tramite markup XML. Non esistono dizionari fonetici personalizzabili per la pronuncia.
Per quanto riguarda le voci, non è possibile clonare voci personalizzate né caricare registrazioni proprie. Il sistema utilizza esclusivamente 8 preset basati su registrazioni license (LibriTTS-R e LibriVox). Non vi è opzione per il voice design, tag di emozione o personalizzazione acustica. Ogni file generato include un watermark invisibile che ne certifica l'origine sintetica.
Assenza streaming real-time
La generazione avviene in modalità batch. L'audio è restituito solo al termine della sintesi.
Non è possibile ascoltare l'audio mentre viene generato o ricevere chunk parziali via WebSocket.
- Nessun supporto per audio in streaming.
- Nessun WebSocket per audio parziale.
Nessun supporto SSML
La richiesta JSON non accetta tag SSML per controllo fine delle pause o dell'intonazione.
La pronuncia segue i preset vocali standard senza dizionari fonetici custom.
Nessuna personalizzazione voce
Non è possibile clonare voci personalizzate né caricare registrazioni proprie.
Le voci sono fisse: 8 preset selezionabili tra maschi e femmine.
Integrazione nel workflow WordPress
L'integrazione richiede una chiamata HTTP POST dal backend WordPress all'endpoint API. Il plugin o lo script custom invia il testo, la voce e il formato desiderato, ricevendo in risposta il file audio binario.
I file generati vengono salvati nella libreria media o in una cartella dedicata, sincronizzati con l'articolo o la pagina WordPress. Questo garantisce che l'audio sia sempre disponibile per il frontend senza latenza di generazione al momento della visita.
La sincronizzazione assicura che il contenuto audio sia associato correttamente al post, permettendo l'inserimento nei player standard o in sezioni dedicate del tema.
Chiamazione API dal backend
Il backend WordPress esegue una richiesta POST a https://api.11lab.info/v1/audio/speech utilizzando le credenziali dell'account. Il corpo della richiesta include il testo da sintetizzare, la voce selezionata (es. 'nova' o 'atlas') e il formato audio (mp3, wav, opus).
La risposta contiene il file audio binario che viene immediatamente processato dal server WordPress.
- Usare
wp_remote_posto cURL per le richieste. - Includere l'header
Authorization: Bearer tts-...con la chiave API. - Specificare
response_formatevoicenel JSON body.
Salvataggio file generati
Il file audio ricevuto viene salvato nel media library di WordPress o in una directory custom del tema. Ogni file è associato al post o alla pagina corrispondente per un facile recupero.
I file non vengono memorizzati dal servizio API, quindi il salvataggio locale è essenziale per la persistenza.
È possibile aggiungere metadati come il tempo di generazione o il costo per tracciamento.
- Salvare come file audio nel media library.
- Associare il file al post tramite ID.
- Verificare che il formato sia compatibile con il player WordPress.
Sincronizzazione frontend
Il frontend WordPress recupera il file audio salvato e lo inserisce nel template utilizzando un tag <audio> standard o un player personalizzato. Questo garantisce una riproduzione immediata senza attesa di generazione.
La sincronizzazione assicura che l'audio sia sempre disponibile per gli utenti finali, indipendentemente dal tempo di elaborazione della API.
Il flusso di lavoro è trasparente per l'utente finale, che ascolta il contenuto audio direttamente dalla pagina.
- Utilizzare il tag
<audio>HTML5. - Inserire il player nel template del tema.
- Garantire la compatibilità con i browser moderni.
Gestione dei costi in tempo reale
La fatturazione si basa sui caratteri inviati nel campo input, inclusi spazi e punteggiatura. Il costo è di 0,01 $ per 1.000 caratteri. I nuovi account registrati con Google ricevono un credito gratuito di 0,50 $ valido 7 giorni.
Conteggio caratteri inviato
Ogni richiesta conta i caratteri esatti prima dell'elaborazione. Il limite è di 4.096 caratteri per chiamata; testi superiori richiedono una divisione in chunk gestita dall'integratore.
Verifica saldo disponibile
Il saldo si ricarica esclusivamente tramite USDT (TRC-20) con un minimo di 5 $. Non sono previsti piani mensili o costi fissi. Il credito non scade.
Monitoraggio richieste fallite
Le richieste che falliscono durante la sintesi non vengono addebitate. Il credito viene restituito integralmente in caso di errore del server, garantendo che paghi solo per l'audio generato con successo.

Qualità e watermark audio
La qualità audio si basa su registrazioni licenziate da LibriTTS-R (CC BY 4.0) e letture del dominio pubblico. Ogni file generato è distinto.
Origine voci license
Le otto voci derivano da registrazioni basate su LibriTTS-R (CC BY 4.0) e letture del dominio pubblico.
- Fonti: LibriTTS-R e LibriVox
- Licenza: CC BY 4.0
- Voce fissa per ogni preset
Watermark sintetico
Ogni file audio contiene un watermark inudibile che certifica l'origine della sintesi. Questo marcatore identifica il contenuto come generato dall'API senza alterare la percezione uditiva durante l'ascolto.
Percezione utente
L'audio è fruibile immediatamente dopo la generazione. La presenza del watermark è trasparente all'ascoltatore finale, mantenendo l'integrità del contenuto audio senza distrazioni o rumori di fondo.
Performance e tempi di attesa
La generazione audio opera con una velocità di circa un secondo di audio per ogni 25 caratteri di input. I testi brevi richiedono pochi secondi di elaborazione, mentre i contenuti lunghi vengono generati in tempo reale.
Velocità reale generazione
La produzione segue il ritmo naturale della voce. Non vi è streaming né restituzione parziale dell'audio; il file completo viene reso disponibile al termine del processo.
Coda sotto carico
Le richieste vengono elaborate in sequenza. In caso di picchi di traffico, le richieste possono attendere in coda prima della sintesi, prolungando i tempi di risposta.
Stima tempi risposta
Calcolare i tempi totali considerando la lunghezza del testo. Per testi superiori ai 4096 caratteri, sommare i tempi di generazione di ogni singolo chunk.
Le richieste fallite non consumano credito ma non restituiscono audio. Monitorare i log per distinguere i ritardi da errori di rete.
Sicurezza e autenticazione
La sicurezza dell'accesso è garantita dall'autenticazione tramite tokenBearer. Ogni richiesta al endpoint /v1/audio/speech deve includere l'header Authorization: Bearer tts-<your-key>, assicurando che solo gli account autorizzati possano generare audio.
Un unico account dispone di una sola chiave attiva per volta. La gestione delle credenziali è semplice e diretta, riducendo i rischi di esposizione delle chiavi di accesso all'API.
Header Bearer token
Ogni richiesta HTTP deve contenere l'intestazione Authorization con il valore Bearer seguito dalla chiave API. Questo standard garantisce che il server identifichi correttamente l'account proprietario delle richieste e applichi i limiti di velocità e i conteggi di caratteri appropriati.
- Formato: Authorization: Bearer tts-XXXXXXXXXX
- Richiesto per ogni endpoint v1
Una chiave per account
Per ogni account è attiva una sola chiave API alla volta. Questo semplifica il monitoraggio dei costi e dei limiti di richiesta, poiché tutto il traffico proviene da un unico identificativo.
- Una chiave attiva per account
- Facile da gestire nel codice
Revoca immediata
È possibile emettere una nuova chiave in qualsiasi momento dall'area account. La chiave precedente viene disabilitata istantaneamente, garantendo che non possa essere utilizzata da dispositivi o script non più autorizzati.
- Revoca istantanea alla generazione della nuova chiave
- Nessun ritardo nella disabilitazione
Errori comuni e risoluzione
I freelance che integrano la nostra API in WordPress incontrano spesso errori prevedibili durante la fase di sviluppo. Identificare rapidamente la causa di un fallimento riduce i tempi di debug e garantisce che la generazione audio non blocchi il workflow del sito.
Di seguito vengono descritti i tre errori più comuni, con le relative cause tecniche e le soluzioni operative per ripristinare immediatamente il servizio.
Errore formato JSON
Il server REST accetta solo payload JSON validi. Un errore di sintassi nel body della richiesta, come virgolette mancanti o parentesi graffe disallineate, provoca il rifiuto immediato della richiesta senza addebito.
Verificare la struttura del JSON prima dell'invio. Utilizzare un validator JSON online o gli strumenti di debug del browser per confermare che tutti i campi obbligatori (model, input, voice) siano presenti e formattati correttamente.
- Controllare le virgolette intorno alle stringhe
- Verificare la chiusura delle parentesi graffe
- Assicurarsi che i valori numerici non siano tra virgolette
Voce non valida
Se il campo voice contiene un valore non riconosciuto, l'API restituisce un errore 400. Le voci disponibili sono otto preset specifici (es. aria, nova, felix, atlas).
- Consultare sempre l'endpoint GET /v1/voices per la lista aggiornata
- Verificare l'ortografia esatta del nome della voce
- Assicurarsi che la voce sia compatibile con la lingua impostata
Limite caratteri superato
Ogni richiesta accetta al massimo 4096 caratteri, spazi e punteggiatura inclusi. Superare questo limite genera un errore di validazione.
- Dividere il testo in chunk di max 4096 caratteri
- Unire i file audio risultanti lato server
- Monitorare la lunghezza della stringa prima dell'invio
Migliori pratiche per freelance
Per ottimizzare i costi e le prestazioni nei siti WordPress, il caching dei file audio generati è fondamentale. Poiché la sintesi non è istantanea e i tempi di risposta variano, memorizzare localmente i risultati per testi identici riduce le chiamate API e i relativi costi, mantenendo il sito reattivo per gli utenti finali.
Cache dei file audio
Salva i file audio generati nel media library di WordPress o in una cartella statica del tema. Utilizza una chiave di cache basata sul testo e sulle impostazioni vocali (voce, velocità, formato) per evitare duplicazioni. Questo approccio è cruciale dato che ogni richiesta ha un costo di $0,01 per 1.000 caratteri.
- Implementa una cache a livello di oggetto o file system per testi statici (es. introduzioni articoli).
Gestione retry errori
Le richieste fallite sono gratuite, ma è necessario gestirle correttamente per non lasciare il contenuto audio incompleto. Implementa un meccanismo di retry con backoff esponenziale per le richieste che restituiscono errori temporanei, distinguendoli da quelli permanenti come parametri non validi.
- Ricontrolla il saldo prima di inviare grandi blocchi di testo.
Monitoraggio utilizzo
Tieni traccia delle caratteristiche elaborate e del saldo residuo tramite il dashboard API. Dato il limite di 60 richieste al minuto, monitora la coda delle richieste per evitare blocchi durante la generazione di massa, specialmente per blog con molti articoli.
Ascolta le 8 voci
Ogni campione sottostante è stato generato da questa API utilizzando la stessa frase. Utilizza un conteggio preciso per prevedere il costo esatto della sintesi audio.
23 lingue
Ogni voce può parlare in una di queste lingue.
Fonti e ulteriori letture
- Wikipedia
- LibriVox public-domain audiobooks
- LibriTTS-R corpus (OpenSLR 141)
- IETF RFC 7845: Ogg Opus
- FFmpeg documentation
- OpenAI API reference: create speech
- MDN: Web Speech API
- W3C WAI: making audio and video accessible
- Node.js documentation
- ISO 639 language codes
- Creative Commons Attribution 4.0
- TRON developer hub: TRC-20
