AREX Feed Article
OpenRouter 上线 ElevenLabs：9 个文本转语音与 2 个语音转文本模型，五折持续至 10 月 19 日
10 月 7 日，OpenRouter 在其宣布 ElevenLabs 正式上线：9 个文本转语音（Text to Speech）模型与 2 个语音转文本（Speech to Text）模型现在都可以调用，前者支持的语言最多 90+ 种，后者支持说话人标签（speaker labels）与词级时间戳。全部 ElevenLabs 模型五折，折扣仅在 OpenRouter 提供，持续到 10 月 19 日上午 8 点（太平洋时间）。
对已经在用 OpenRouter 的开发者来说，接入路径是现成的。写道，如果你的应用已经在通过 OpenRouter 调用语言模型，现在它也能「说」和「听」了：不需要另开 ElevenLabs 计划，用同一个 OpenRouter API key 调音频接口即可。
11 个模型的分工：旁白、智能体、字幕与临床转写
据 OpenRouter 博客和的介绍，9 个文本转语音模型各有分工：Eleven v4 是 ElevenLabs 最具表现力的语音模型，支持 [whispering]、[laughing] 这类音频标签，单次请求上限 10,000 字符；v4 Turbo 为实时智能体保持同样的表现力，价格是 v4 的一半；Flash v2.5 面向超低延迟场景；v3 与 v3 Conversational 侧重戏剧化旁白与实时对话；Multilingual v2 面向长篇多语言音频；Flash v2 与 Turbo v2 是英语场景选项，Turbo v2.5 兼顾速度与非英语语种。
语种覆盖因模型而异：v4 与 v4 Turbo 为 90+ 种，v3 系列为 70+ 种，Multilingual v2 为 29 种，Flash v2.5 与 Turbo v2.5 为 32 种，Flash v2 与 Turbo v2 仅英语。
两个语音转文本模型里，Scribe v2 负责通用转写，覆盖 90+ 种语言，输出词级时间戳、说话人标签和音频事件标签；Scribe v2 Medical 面向临床场景调优，OpenRouter 博客称它在临床音频上的错误比 Scribe v2 少 35%。OpenRouter 列出的目标场景包括语音智能体、客服、旁白、字幕与会议记录。
一把 API key，两个音频端点
调用入口是两个 POST 端点：文本转语音发往 https://openrouter.ai/api/v1/audio/speech，语音转文本发往 https://openrouter.ai/api/v1/audio/transcriptions，鉴权沿用 OpenRouter 的 Bearer key。博客里的语音智能体示例把三个模型串成一条链路：Scribe v2 先把用户提问转成文字，交给聊天模型生成回答，再由 Eleven v4 Turbo 把回答读出来；中途更换聊天模型，音频部分的调用代码不用动。
音色方面，voice 字段可以直接填 ElevenLabs 的 21 个预设音色名，比如 george、sarah，不区分大小写；克隆或自设计的音色留在用户自己的 ElevenLabs 账户里，要通过 BYOK（自带密钥）使用。输出方面，不指定 response_format 时返回的是原始 PCM（16-bit、24 kHz 单声道），要得到能直接播放的文件得指定 mp3（44.1 kHz、128 kbps）。
折后价：每百万字符 $40 与每秒 $0.000031
截至发稿，OpenRouter 的 ElevenLabs 提供商页面列出全部 11 个模型的价格，每个模型卡都标着五折。以字符计费的文本转语音模型分两档：v4、v3 与 Multilingual v2 为每百万字符 $40，v4 Turbo、v3 Conversational 以及 Flash、Turbo 系列为每百万字符 $20。两个 Scribe 模型按音频秒数计费，每秒 $0.000031。写明折扣是「列表价的一半」，页面上显示的价格就是折后价。
| 模型 | OpenRouter ID | 单次请求上限 | 折后价 |
|---|---|---|---|
| Eleven v4 | elevenlabs/eleven-v4 | 10,000 字符 | 每百万字符 $40 |
| Eleven v4 Turbo | elevenlabs/eleven-v4-turbo | 10,000 字符 | 每百万字符 $20 |
| Eleven v3 | elevenlabs/eleven-v3 | 5,000 字符 | 每百万字符 $40 |
| Eleven v3 Conversational | elevenlabs/eleven-v3-conversational | 5,000 字符 | 每百万字符 $20 |
| Eleven Multilingual v2 | elevenlabs/eleven-multilingual-v2 | 10,000 字符 | 每百万字符 $40 |
| Eleven Flash v2.5 | elevenlabs/eleven-flash-v2.5 | 40,000 字符 | 每百万字符 $20 |
| Eleven Flash v2 | elevenlabs/eleven-flash-v2 | 30,000 字符 | 每百万字符 $20 |
| Eleven Turbo v2.5 | elevenlabs/eleven-turbo-v2.5 | 40,000 字符 | 每百万字符 $20 |
| Eleven Turbo v2 | elevenlabs/eleven-turbo-v2 | 30,000 字符 | 每百万字符 $20 |
| Scribe v2 | elevenlabs/scribe-v2 | 上传 25 MB | 每秒 $0.000031 |
| Scribe v2 Medical | elevenlabs/scribe-v2-medical | 上传 25 MB | 每秒 $0.000031 |
博客写明的计费方式是：文本转语音按输入字符的 Unicode 码点计费，中文与 emoji 各算一个字符，[whispering] 这类音频标签也计入；转写按音频秒数计费，每条转写响应的 usage.cost 会给出该次请求的花费。OpenRouter 称对 ElevenLabs 的价格不加价传递，折扣对所有 OpenRouter 客户生效，截止到 10 月 19 日上午 8 点（太平洋时间，即北京时间 10 月 19 日 23:00）。
「我们现已上线」：双方团队与跟帖的反应
OpenRouter 发帖约 14 分钟后， 账号引用这条消息并确认：「我们现已上线 OpenRouter。你可以用现有的 OpenRouter API key 调用 11 个文本转语音和语音转文本模型，包括 v4、v4 Turbo 和 Scribe v2。」
OpenRouter 联合创始人兼 CEO 在帖子里说「先从 11 个模型开始」，并附了一份「哪个模型适合什么用途」的快速指南。ElevenLabs 增长负责人 的回复只有一句：「很高兴让更多开发者用上 ElevenLabs 的模型！」
跟帖里并非全是叫好。 回复称：「太贵了。Voicestudio 是免费的，Gpt-live-1 每分钟 5 美分。」
25 MB 上传上限与没上线的实时转写
博客还列了几条实用边界：转写文件的上传上限是 25 MB，大约相当于 27 分钟的 128 kbps MP3；更长的录音可以改传公开 URL 绕开大小限制，但特别长的文件仍可能撞上上游 180 秒的请求超时，需要切分。Eleven v4 与 v4 Turbo 没有语速控制，要调速（0.7～1.2 倍）得换 Multilingual v2 或 Flash，v4 的节奏变化靠音频标签完成。
OpenRouter 的博客写明，基于 WebSocket 的实时 Scribe v2 不在这次发布范围内。