Passer au contenu principal

Vue d’ensemble

POST /v1/speech reçoit jusqu’à 2 000 caractères de texte et renvoie l’audio, dit par la voix de votre choix. Utilisez-le pour lire des messages aux personnes qui préfèrent écouter plutôt que lire : rappels de santé, conseils agricoles, leçons d’école, annonces, réponse dans une application de messagerie.
  • Modèle : speech-synthesis (bêta)
  • Langues : haoussa ha, zarma dje, français fr
  • Sortie : WAV (par défaut), MP3, Ogg Opus, ou JSON avec l’audio en base64
  • Ce qui est compté : la durée de l’audio renvoyé

Démarrage rapide

« La saison des pluies s’est installée. Il est temps pour les agriculteurs de commencer à semer le mil et le sorgho. »

Requête

string
requis
Le texte à dire, jusqu’à 2 000 caractères. Écrivez-le comme vous voulez qu’il soit entendu : développez les abréviations que vos auditeurs ne prononceraient pas.
string
défaut:"nadia"
nadia (ou son alias warm), mouhamad ou fr. Voir les voix.
string
ha, dje ou fr. Par défaut, la première langue de la voix ; ce doit être une langue que la voix parle.
string
défaut:"wav"
wav, mp3, opus ou json. Voir les formats de sortie.

Voix

Formats de sortie

Les formats binaires renvoient un en-tête X-Audio-Seconds avec la durée de l’audio. Une phrase de dix secondes pèse environ 480 Ko en WAV, 80 Ko en MP3 et 40 Ko en Opus : sur une connexion 3G, choisissez opus ou mp3. Avec json, la réponse ressemble à ceci :

Bonnes pratiques

Une idée par phrase s’entend plus clairement et se suit plus facilement sur le haut-parleur d’un téléphone. Pour un long texte, envoyez-le paragraphe par paragraphe et jouez les morceaux l’un après l’autre : la lecture du premier commence plus tôt.
Écrivez « goma sha biyar » plutôt que « 15 » quand un nombre doit être dit d’une certaine façon, et écrivez en toutes lettres les dates, les prix et les abréviations. Vous décidez exactement de ce qui est entendu.
Un rappel envoyé à mille personnes, c’est le même audio. Générez-le une fois, stockez le fichier et servez-le depuis votre propre stockage : vous économisez votre quota et le chargement est plus rapide pour tout le monde.
Le modèle dit une phrase un peu différemment à chaque fois. Si une prise compte (une annonce, un jingle), générez-en deux ou trois et gardez celle que vous préférez.
Indiquez aux auditeurs que la voix est générée, surtout pour des informations de santé, d’argent ou officielles. Voir l’usage responsable.

Limites

  • Jusqu’à 2 000 caractères par requête (413 text_too_long au-delà).
  • Pas encore de diffusion en continu : le fichier entier arrive en une fois.
  • La première requête après un moment d’inactivité est plus lente, le temps que le modèle se réveille.

Voir aussi

Lire à voix haute en haoussa

Tutoriel

Formats audio

Guide

Référence de l’API

POST /v1/speech