人声隔离
接收音频文件后去除背景噪声，把 vocals/speech 单独分离出来，适合先把现场收音中的环境噪声清掉再进入剪辑或转写流程。
官方说明 ↗
ElevenLabs Audio Isolation API
AI TOOL PROFILE工具资料从音频中隔离人声、去除背景噪声的 REST 接口
官网地址 https://elevenlabs.io/docs/api-reference/audio-isolation
价格Voice Isolator 按 $0.12 每分钟计费
平台API / Web
归类配音与音频
收录2026-02-11
复核2026-02-11
编辑评分
4.2 / 5
★★★★☆
ElevenLabs Audio Isolation API编辑总结
ElevenLabs Audio Isolation API 是 ElevenLabs 语音基础设施中的一个音频处理接口，用于从上传的音频文件中去除背景噪声、环境音、混响与干扰，把 vocals/speech 单独隔离出来。接口以 multipart 表单接收音频文件，通过 xi-api-key 请求头鉴权。它属于 ElevenAPI 体系，开发者可以用 REST 直接调用，也可以配合官方 Python、TypeScript SDK 嵌入自有应用。ElevenLabs 的 Voice Isolator 按每分钟 $0.12 计费。官网未公开这个接口每日调用上限与国内可用性。
ElevenLabs Audio Isolation API是什么？
ElevenLabs Audio Isolation API 是 ElevenLabs 提供的一个语音基础设施接口，路径为 /v1/audio-isolation，能力是去除音频里的背景噪声，把 vocals/speech 从原始音轨中隔离出来。ElevenLabs 定位为提供 text-to-speech、speech-to-text、voice cloning、conversational agents 与 generative audio 的 AI 语音基础设施，旗下分为面向创作者的 ElevenCreative、面向对话智能体的 ElevenAgents、面向开发者的 ElevenAPI，以及面向中小企业电话接待的 Reception AI。
这个接口属于 ElevenAPI 一侧，以 REST 方式暴露能力，官方提供 Python 与 TypeScript SDK。调用时向 https://api.elevenlabs.io/v1/audio-isolation 发送 POST 请求，请求体为 multipart form，其中 audio 字段是必填的待处理音频文件。可选择通过 xi-api-key 请求头传入密钥。
普通创作者可以直接用 ElevenCreative 网页应用生成配音、音乐与混音，开发者则把隔离能力接进自己的剪辑、转写或通话处理流程，团队可以通过同一套积分体系统一结算。
ElevenLabs Audio Isolation API核心功能
multipart 上传
endpoint 期望一个包含文件的 multipart form，audio 字段为必填，直接以文件形式提交待处理音频，不需要先编码成 base64 字符串。
官方说明 ↗低延迟 PCM 输入
file_format 可选 pcm_s16le_16，要求输入为 16-bit PCM、16kHz 采样率、单声道、小端字节序，延迟会比传入已编码波形更低。
官方说明 ↗通用编码格式
file_format 默认 other，可接受常规编码音频；官网在 Voice Isolator 条目列出 WAV、MP3、FLAC、OGG、AAC，单文件最大 500MB、最长 1 小时。
官方说明 ↗生成追踪
可选的 preview_b64 字段接收一段 preview image 的 base64，用于标记本次生成，方便在自己的系统里把返回结果和上游任务对应起来。
官方说明 ↗官方 SDK
ElevenAPI 把每项能力都暴露为 REST 接口，并提供官方 Python 与 TypeScript SDK，隔离能力可以嵌进既有的开发工作流，不必自己封装 HTTP 调用。
官方说明 ↗ElevenLabs Audio Isolation API值不值得用？
当你要把一段带噪的采访、现场录音或电话录音处理成人声干净的音轨时，这个接口值得用：它按分钟计费、$0.12 一分钟，PCM 输入还能进一步压低延迟。它适合已经在用 ElevenLabs 其他能力的团队，因为积分体系是共用的。但如果你只是偶尔处理一两段短音频，走 ElevenCreative 网页应用更省事；如果处理的是超长文件或需要批量排队，需要先确认。
建议选它的情况
- 已有剪辑、转写或通话处理流水线，想把去噪接进自动化流程的开发者
- 需要低延迟处理，愿意改用 16kHz 单声道 PCM 输入的实时类场景
- 已经在用 ElevenLabs 的 TTS、STT 等能力，希望共用积分与账号体系
不建议选它的情况
- 只偶尔处理一两段短音频、不想写代码的个人用户，直接用 ElevenCreative 更直接
- 单文件超过 500MB 或超过 1 小时的长音频，当前条目给出的上限覆盖不到
- 对每日调用量有硬性要求、需要事先确认配额的业务
ElevenLabs Audio Isolation API使用建议
入门先把路子走对
- 先拿短样本试先用一段几十秒的带噪录音调通 POST /v1/audio-isolation，确认 xi-api-key 请求头与 multipart 表单格式都没问题，再换长文件。
- 确认输入格式如果音频已经是 16kHz 单声道小端 PCM，把 file_format 设为 pcm_s16le_16 能拿到更低延迟；否则保持默认 other，避免格式不匹配报错。
- 先清噪再转写把隔离接口放在转写之前，先去掉环境噪声与混响，再交给 Scribe 系列语音识别，能减少噪声导致的识别误差。
进阶省时间也省钱
- 按分钟估算成本Voice Isolator 按 $0.12 每分钟计费，处理 100 分钟音频约 $12。批量任务先算出总时长，再对比 ElevenCreative 的用量是否更划算。
- 用 preview 做对账提交时带上 preview_b64，把返回结果和自己系统里的任务 ID 关联起来，批量处理时定位失败任务会快很多。
- 留意积分结转积分按月重置，未用完的部分最多可结转到两个月；把批量隔离排在有结转余量的月份，能少浪费额度。
ElevenLabs Audio Isolation API适合谁用？
播客后期剪辑师
推荐采访或户外录制带回声与街噪，先过一遍隔离接口再进剪辑轨，能省去大量手动降噪时间；按分钟计费的成本可以直接算进项目报价。
语音转写开发者
推荐把隔离接口放在 Scribe 系列识别模型之前做预处理，降低噪声对转写结果的影响；适合已有自动化流水线、愿意自己写调用的团队。
调用量稳定的产品团队
推荐已经在用 ElevenLabs 的 TTS 或 STT，希望共用同一套账号与积分结算，把隔离能力加进现有接口调用即可。
只做一次性音频的用户
有条件一年处理不了几段音频、也不打算写代码，直接打开 ElevenCreative 网页应用更省事，不必为此单独集成 API。
单文件超 1 小时的长音频场景
不推荐Voice Isolator 条目给出的上限是 500MB 与 1 小时，长录音需要先切段再逐段提交，否则覆盖不到。
ElevenLabs Audio Isolation API优点和缺点
优点
- 按 $0.12 每分钟计费，成本可按音频时长直接换算
- 支持 pcm_s16le_16 输入，可拿到比编码波形更低的延迟
- 限值明确：单文件最大 500MB、最长 1 小时
- 覆盖 WAV、MP3、FLAC、OGG、AAC 常规音频格式
- 提供官方 Python 与 TypeScript SDK，接入成本低
- 积分与 ElevenLabs 其他能力共用，未用完可结转最多两个月
缺点
- 单文件上限 1 小时，长音频需要自行切段
- pcm_s16le_16 要求严格：16kHz、单声道、小端
- 错误返回只列出 Unprocessable Entity Error，排查信息偏少
ElevenLabs Audio Isolation API关键指标
| 指标 | 数值 | 数据来源 |
|---|---|---|
| Voice Isolator 单价 | $0.12 每分钟 | ElevenLabs API 定价页 |
| 单文件大小上限 | 500MB | ElevenLabs API 定价页 Voice Isolator 条目 |
| 单文件时长上限 | 1 小时 | ElevenLabs API 定价页 Voice Isolator 条目 |
| 低延迟输入采样率 | 16kHz | Audio Isolation API 参考 |
| 声音库规模 | 10,000+ voices | ElevenLabs 概览页 |
ElevenLabs Audio Isolation API常见问题
这个接口多少钱？＋
按分钟计费，Voice Isolator 的价格是 $0.12 每分钟。它是 ElevenLabs 共用积分体系的一部分，积分按月重置，未用完的部分可以结转到两个月，具体折算到积分时的比例以官网为准。
支持哪些音频格式，文件能多大？＋
Voice Isolator 条目列出 WAV、MP3、FLAC、OGG、AAC，单文件最大 500MB、最长 1 小时。接口层 file_format 只区分 pcm_s16le_16 与 other 两种取值，默认是 other。
pcm_s16le_16 有什么特别要求？＋
选这个格式时，输入必须是 16-bit PCM、16kHz 采样率、单声道、小端字节序。满足这些条件时延迟会比传已编码波形更低；格式不匹配就可能返回 Unprocessable Entity Error。
怎么鉴权？＋
通过在请求头里传 xi-api-key 完成鉴权，官方把它列为可选请求头。调用时向 https://api.elevenlabs.io/v1/audio-isolation 发 POST，请求体是包含 audio 文件的 multipart form。
它和 ElevenLabs 的文字转语音是同一个东西吗？＋
不是。文字转语音负责把文本变成声音，这个接口负责把已有音频里的人和背景噪声分开，属于音频处理能力。两者都通过 ElevenAPI 以 REST 暴露，共用同一套积分体系。
国内能直接调用吗？＋
如果你的业务对调用地区有要求，建议先按官方页面的接入说明确认，再决定是否放进生产流程。
