מדריך ElevenLabs המלא
Text-to-Speech, שכפול קול ו-Voice Agents

מה זה ElevenLabs?

ElevenLabs היא פלטפורמת Voice AI — קול מלאכותי — שנחשבת כיום לסטנדרט בתעשייה. היא נוסדה ב-2022 על ידי Piotr Dabkowski ו-Mati Staniszewski, ובתוך פחות משלוש שנים הפכה לשם הנרדף לקול AI טבעי ואיכותי. בליבה עומד מנוע Text-to-Speech (טקסט-לדיבור) שמייצר קול אנושי כל כך, עד שבמקרים רבים קשה להבחין בינו לבין הקלטה אמיתית של דובר.

אבל ElevenLabs היא הרבה יותר מ-TTS. הפלטפורמה מציעה היום מערך מלא של יכולות: שכפול קול (Voice Cloning) שמשחזר קול אנושי מדגימה קצרה, דיבוב אוטומטי (Dubbing) שמתרגם וידאו לשפה אחרת תוך שמירה על קול הדובר המקורי, אפקטים קוליים (Sound Effects) מתוך תיאור טקסטואלי, וכל ה-stack של Conversational AI / Voice Agents — סוכני קול שמנהלים שיחה בזמן אמת, כולל חיבור לטלפון.

ElevenLabs רב-לשונית באמת — היא תומכת בלמעלה מ-30 שפות, וביניהן עברית. זה הופך אותה לכלי רלוונטי במיוחד עבור יוצרים ומפתחים בישראל שרוצים קריינות עברית טבעית, בוטים קוליים בעברית, או דיבוב תוכן לעברית ומעברית.

שימושים נפוצים

• קריינות (Narration) — סרטוני YouTube, קורסים, פרסומות, פודקאסטים
• ספרים מוקלטים (Audiobooks) — המרת ספרים שלמים לקול אחיד ונעים
• IVR ומענה טלפוני — הודעות מערכת, תפריטים קוליים, מענה אוטומטי
• דמויות (Characters) — קולות למשחקים, אנימציות ואווטארים
• סוכני תמיכה — בוטים קוליים שמנהלים שיחה אמיתית עם לקוחות

שלוש הדרכים לעבוד עם ElevenLabs

Text-to-Speech — הליבה

Text-to-Speech הוא הבסיס של ElevenLabs: אתה נותן טקסט, ומקבל קובץ אודיו בקול שבחרת. אבל בין "טקסט גולמי" ל"קול שנשמע מושלם" יש כמה החלטות שמשנות לחלוטין את התוצאה. זרימת העבודה הסטנדרטית: בוחרים קול → מכווננים את ה-sliders → בוחרים מודל → מייצרים.

ה-Sliders — מה כל אחד עושה

• Stability (יציבות) — קובע כמה הקול "צפוי". ערך גבוה = קול אחיד, רגוע, מונוטוני יותר. ערך נמוך = קול אקספרסיבי ורגשי יותר, אך גם פחות צפוי בין הרצות. לקריינות ארוכה כדאי ערך בינוני-גבוה; לדמות דרמטית — נמוך.
• Similarity / Similarity Boost — עד כמה הקול נצמד למקור (במיוחד רלוונטי בקול משוכפל). ערך גבוה משחזר את הדובר המקורי בנאמנות, אך אם הדגימה רועשת — הוא ישחזר גם את הרעש.
• Style — מגביר הבעתיות וסגנון. ערך גבוה מוסיף "אישיות", אך עלול להחליש את היציבות ולהאריך את ה-latency. בסוכני קול עדיף 0.
• Speaker Boost — מחזק את דמיון הקול לדובר, על חשבון מעט latency.

בחירת מודל

שליטה בהגייה והפסקות

ElevenLabs מבינה רמזים בתוך הטקסט עצמו. סימני פיסוק משפיעים על האינטונציה: פסיק יוצר הפסקה קצרה, נקודה יוצרת ירידה בטון, וסימן שאלה מעלה את הטון בסוף. ניתן גם להוסיף הפסקות מפורשות באמצעות תגיות בסגנון SSML, למשל <break time="1.0s" /> לשתיקה של שנייה. למילים בעייתיות בהגייה אפשר להשתמש במילון הגייה (Pronunciation Dictionary) או לכתוב את המילה פונטית.

קולות ו-Voice Library

מאחורי כל יצירת אודיו עומד קול — ולכל קול יש voice_id ייחודי שמזהה אותו ב-API. ל-ElevenLabs שלוש דרכים להשיג קול: קולות מובנים, ה-Voice Library הקהילתית, ועיצוב קול חדש מאפס.

Pre-made Voices — קולות מובנים

ElevenLabs מספקת אוסף של קולות מקצועיים מובנים — גברים, נשים, טונים שונים, מבטאים שונים. אלה נקודת ההתחלה הטובה ביותר: הם איכותיים, יציבים, ומורשים לשימוש מסחרי. כל אחד מהם נושא voice_id שתוכל להעתיק ולהשתמש בו ישירות ב-API.

Voice Library — הספרייה הקהילתית

ה-Voice Library היא שוק קולות שיוצרים שיתפו. כאן תמצא מגוון עצום של קולות בסגנונות שונים — מקריין דרמטי ועד קול צעיר ואנרגטי. אפשר לסנן לפי שפה, מגדר, גיל וסגנון. שים לב: חלק מהקולות מיועדים לשימושים מסוימים בלבד, אז בדוק את תנאי השימוש של כל קול לפני שאתה משלב אותו במוצר מסחרי.

Voice Design — יצירת קול מתיאור

התכונה החזקה ביותר: Voice Design מאפשרת ליצור קול חדש לגמרי מתיאור טקסטואלי. אתה כותב משהו כמו "אישה צעירה, חמה ובוטחת, עם טון מקצועי" — וElevenLabs מייצרת מספר וריאציות קול שתוכל לבחור ולשמור. זה פותר את בעיית הזכויות והפרטיות לחלוטין: הקול אינו שייך לאף אדם אמיתי.

איך לבחור קול לפי שימוש

• קריינות / הסבר — קול יציב, ברור, בקצב מתון. העדף Stability גבוה.
• פרסומת — קול אנרגטי עם אישיות. Style גבוה יותר.
• דמות / משחק — קול ייחודי ואקספרסיבי, אולי מ-Voice Design.
• סוכן קולי / תמיכה — קול נעים, ניטרלי ויציב, עם מודל Turbo ל-latency נמוך.

שכפול קול (Voice Cloning)

שכפול קול הוא היכולת לקחת קול אנושי אמיתי ולשחזר אותו כך ש-ElevenLabs תוכל "להקריא" כל טקסט באותו קול. יש שני סוגים, ששונים מהותית באיכות ובדרישות.

שיטות עבודה לדגימה איכותית

• אודיו נקי — ללא רעש רקע, הד או מוזיקה. הקלט בחדר שקט עם מיקרופון טוב.
• טון עקבי — שמור על אותו סגנון דיבור לאורך כל הדגימה. אל תערבב לחישה עם צעקה.
• איכות אחידה — אל תשלב הקלטות ממקורות שונים באיכות שונה; המנוע ילמד את הממוצע.
• אורך מספיק — ל-Professional, כמה שיותר (אך נקי). דקה רועשת גרועה מ-30 שניות נקיות.

דיבוב ותרגום אוטומטי

Dubbing היא אחת היכולות המרשימות של ElevenLabs: אתה מעלה וידאו או אודיו בשפה אחת, ומקבל אותו בשפה אחרת — תוך שמירה על קול הדובר המקורי ועל התזמון. במילים אחרות, אותו אדם "מדבר" עכשיו אנגלית, ספרדית או עברית, בקול שלו ממש.

התהליך משלב מספר שלבים אוטומטיים: זיהוי דיבור (תמלול), זיהוי דוברים נפרדים (Speaker Diarization), תרגום, ויצירת אודיו חדש בקול תואם המסונכרן לתזמון המקורי. עבור יוצרי תוכן בישראל זה כלי עוצמתי — אפשר ללקחת סרטון הסבר בעברית ולהפיץ אותו באנגלית לקהל גלובלי, או להפך: ללוקליז' תוכן זר לעברית.

זרימת עבודה טיפוסית

Voice Agents בזמן אמת

כאן ElevenLabs עוברת מ"כלי יצירה" ל"תשתית מוצר". Conversational AI (או Voice Agents) הוא סוכן קולי שמנהל שיחה דו-כיוונית בזמן אמת — אתה מדבר, הוא מבין, חושב, ומשיב בקול טבעי, תוך פחות משנייה.

איך עובד Voice Agent — הלולאה

בליבו, כל סוכן קולי הוא לולאה של שלושה רכיבים:

האתגר האמיתי הוא לא הרכיבים אלא ניהול התור (Turn-taking): לדעת מתי המשתמש סיים לדבר, מתי להתחיל לענות, ובעיקר — לטפל בהפרעות (Interruptions). אם המשתמש קוטע את הסוכן באמצע משפט, הסוכן צריך לעצור ולהקשיב. ElevenLabs Agents מטפלת בכל זה מאחורי הקלעים.

קונפיגורציה של ElevenLabs Agent

• System Prompt — מי הסוכן, מה תפקידו, איך הוא מדבר, ומה הגבולות שלו
• Knowledge Base (RAG) — מסמכים, FAQ ומאגרי מידע שהסוכן שולף מהם תשובות מדויקות
• Tools / Function Calling — חיבור הסוכן ל-API חיצוני: בדיקת מלאי, קביעת תור, פתיחת פנייה
• Telephony — חיבור מספר טלפון אמיתי כך שהסוכן עונה לשיחות נכנסות או מתקשר החוצה
• Voice & Language — בחירת הקול והשפה (כולל עברית) ומודל ה-TTS

לעומק על תכנון הסוכן עצמו — System Prompts, RAG ו-Tool Use — קרא את מדריך AI Agents. ולחיבור ה-Backend וההאוטומציה מאחורי הסוכן (CRM, מיילים, עדכון מסדי נתונים), מדריך n8n הוא נקודת ההתחלה המושלמת.

ה-API ב-Python

ה-SDK הרשמי של ElevenLabs הופך את ה-TTS לכמה שורות קוד. נתחיל בהתקנה ובדוגמה בסיסית, ואז נעבור ל-streaming בזמן אמת.

התקנה ו-Authentication

# התקנה
pip install elevenlabs

# Environment variable (מומלץ — לעולם לא לכתוב את המפתח בקוד!)
export ELEVENLABS_API_KEY="your_api_key"

TTS בסיסי — יצירת אודיו

from elevenlabs.client import ElevenLabs
from elevenlabs import play

client = ElevenLabs(api_key="YOUR_API_KEY")

# טקסט לדיבור
audio = client.text_to_speech.convert(
    voice_id="JBFqnCBsd6RMkjVDRZzb",
    model_id="eleven_multilingual_v2",
    text="שלום, ברוכים הבאים ל-Automation4MI. איך אפשר לעזור?",
    voice_settings={"stability": 0.5, "similarity_boost": 0.8, "style": 0.0},
)
play(audio)

ה-voice_id מזהה את הקול (העתק אותו מ-Voice Library או מהקולות המובנים). ה-model_id בוחר את המנוע — כאן eleven_multilingual_v2 לאיכות עברית גבוהה. ה-voice_settings הם בדיוק ה-sliders שראינו: stability, similarity_boost ו-style.

שמירה לקובץ במקום השמעה

from elevenlabs import save

audio = client.text_to_speech.convert(
    voice_id="JBFqnCBsd6RMkjVDRZzb",
    model_id="eleven_multilingual_v2",
    text="זהו קובץ קריינות שנשמר לדיסק.",
)
save(audio, "narration.mp3")  # שמירה כ-MP3

סטרימינג בזמן אמת — latency נמוך

# סטרימינג בזמן אמת (latency נמוך)
stream = client.text_to_speech.stream(
    voice_id="JBFqnCBsd6RMkjVDRZzb",
    model_id="eleven_turbo_v2_5",
    text="המשפט הזה מושמע תוך כדי יצירה, ללא המתנה לקובץ המלא.",
)
for chunk in stream:
    # כל chunk הוא בייטים של אודיו — נגן או שמור
    pass

5 פרויקטים מעשיים

להלן 5 פרויקטים מדורגים לפי רמת קושי — מקריינות פשוטה ועד pipeline אוטומטי מלא.

from elevenlabs.client import ElevenLabs
from elevenlabs import save

client = ElevenLabs()  # לוקח מ-ELEVENLABS_API_KEY

script = """ברוכים הבאים לסרטון.
היום נלמד איך לבנות אוטומציה עם AI.
בואו נתחיל."""

audio = client.text_to_speech.convert(
    voice_id="JBFqnCBsd6RMkjVDRZzb",
    model_id="eleven_multilingual_v2",
    text=script,
    voice_settings={"stability": 0.6, "similarity_boost": 0.8},
)
save(audio, "voiceover.mp3")
print("הקריינות נשמרה: voiceover.mp3")

from elevenlabs.client import ElevenLabs
from elevenlabs import save
import os

client = ElevenLabs()

def article_to_audio(title: str, body: str, slug: str):
    text = f"{title}. {body}"
    audio = client.text_to_speech.convert(
        voice_id="JBFqnCBsd6RMkjVDRZzb",
        model_id="eleven_multilingual_v2",
        text=text,
        voice_settings={"stability": 0.65, "similarity_boost": 0.75},
    )
    path = f"audio/{slug}.mp3"
    os.makedirs("audio", exist_ok=True)
    save(audio, path)
    return path

# המרת כל הפוסטים
posts = [
    {"title": "מה זה אוטומציה", "body": "...", "slug": "what-is-automation"},
    {"title": "AI Agents מסבירים", "body": "...", "slug": "ai-agents"},
]
for p in posts:
    print("נוצר:", article_to_audio(p["title"], p["body"], p["slug"]))

from elevenlabs.client import ElevenLabs

client = ElevenLabs()

# יצירת פרויקט דיבוב מקובץ וידאו
with open("source_video.mp4", "rb") as f:
    dub = client.dubbing.create(
        file=f,
        target_lang="en",     # מעברית לאנגלית (או "he" להפך)
        source_lang="he",
        num_speakers=1,
    )

dubbing_id = dub.dubbing_id
print("פרויקט דיבוב נוצר:", dubbing_id)

# המתנה לסיום העיבוד, ואז הורדת התוצאה
# (בייצור: poll על status עד שהוא 'dubbed', ואז:)
result = client.dubbing.get_dubbed_file(dubbing_id, language_code="en")
with open("dubbed_en.mp4", "wb") as out:
    for chunk in result:
        out.write(chunk)
print("הדיבוב הושלם: dubbed_en.mp4")

from elevenlabs.client import ElevenLabs

client = ElevenLabs()

# יצירת Voice Agent (Conversational AI)
agent = client.conversational_ai.agents.create(
    name="נציג שירות Automation4MI",
    conversation_config={
        "agent": {
            "prompt": {
                "prompt": (
                    "אתה נציג שירות חם ומקצועי של Automation4MI. "
                    "ענה בעברית, בקצרה ובאדיבות. אם אינך יודע, "
                    "הצע להעביר לנציג אנושי. אל תמציא מידע."
                ),
            },
            "language": "he",
        },
        "tts": {
            "voice_id": "JBFqnCBsd6RMkjVDRZzb",
            "model_id": "eleven_turbo_v2_5",  # latency נמוך לזמן אמת
        },
    },
)
print("Agent ID:", agent.agent_id)

# שלבים נוספים בלוח הבקרה:
# 1. העלאת מסמכי FAQ ל-Knowledge Base (RAG)
# 2. הגדרת Tools (פתיחת פנייה, בדיקת הזמנה)
# 3. חיבור מספר טלפון (Telephony) לשיחות נכנסות

# Webhook handler — מופעל מ-n8n על כל פריט תוכן חדש
from elevenlabs.client import ElevenLabs
from elevenlabs import save

client = ElevenLabs()

def handle_webhook(payload: dict):
    """payload מגיע מ-n8n: {id, text, lang}"""
    audio = client.text_to_speech.convert(
        voice_id="JBFqnCBsd6RMkjVDRZzb",
        model_id="eleven_multilingual_v2",
        text=payload["text"],
    )
    path = f"out/{payload['id']}.mp3"
    save(audio, path)
    return {"status": "done", "file": path}

# batch — עיבוד אצווה של פריטים
def process_batch(items: list[dict]):
    return [handle_webhook(item) for item in items]

# הזרימה המלאה ב-n8n:
# Trigger (RSS/DB חדש) -> HTTP Request לשרת זה
#   -> ElevenLabs TTS -> Upload (S3/Drive)
#   -> פרסום (YouTube/פודקאסט/אתר)

גיליון עזר — ElevenLabs

בחירת מודל

הגדרות Voice — מתי לכוונן

טיפים להגייה בעברית

• השתמש ב-eleven_multilingual_v2 או v3 לעברית — לא במודלים אנגליים בלבד
• פיסוק נכון = אינטונציה נכונה. הוסף פסיקים ונקודות במקומות הטבעיים של נשימה
• למילים לועזיות בעברית — נסה לכתוב אותן פונטית אם ההגייה יוצאת שגויה
• הוסף הפסקות מפורשות עם <break time="0.7s" /> בין משפטים ארוכים
• תמיד תייצר 2–3 וריאציות ותבחר את הטבעית ביותר

סוגי שכפול קול

Latency לפי שימוש