Diffuser la voix avec minutage
Convertit du texte en parole avec la voix de votre choix et renvoie un flux d’objets JSON contenant l’audio sous forme de chaîne encodée en base64 ainsi que des informations sur le moment où chaque caractère a été prononcé.
Paramètres de chemin
ID de la voix à utiliser. Utilisez le point de terminaison Obtenir les voix pour lister toutes les voix disponibles.
En-têtes
Paramètres de requête
Lorsque enable_logging est défini sur false, le mode zéro rétention est utilisé pour la requête. Les fonctionnalités d’historique, y compris l’enchaînement des requêtes, ne sont alors pas disponibles pour cette requête. Le mode zéro rétention est réservé aux clients Enterprise.
Vous pouvez activer des optimisations de latence au détriment de la qualité. La meilleure latence finale possible varie selon le modèle. Valeurs possibles : 0 - mode par défaut, sans optimisation de la latence 1 - optimisations de latence normales, environ 50 % de l’amélioration de latence possible avec l’option 3 2 - optimisations de latence importantes, environ 75 % de l’amélioration de latence possible avec l’option 3 3 - optimisations de latence maximales 4 - optimisations de latence maximales, avec en plus le normaliseur de texte désactivé pour réduire davantage la latence, meilleure latence, mais une mauvaise prononciation est possible, par exemple pour les nombres et les dates.
La valeur par défaut est None.
Output format of the generated audio. Formatted as codec_sample_rate_bitrate. So an mp3 with 22.05kHz sample rate at 32kbs is represented as mp3_22050_32. MP3 with 192kbps bitrate requires you to be subscribed to Creator tier or above. PCM with 44.1kHz sample rate requires you to be subscribed to Pro tier or above. Note that the μ-law format (sometimes written mu-law, often approximated as u-law) is commonly used for Twilio audio inputs.
Requête
Identifiant du modèle à utiliser. Vous pouvez consulter les modèles avec GET /v1/models. Le modèle doit prendre en charge la synthèse vocale, ce que vous pouvez vérifier avec la propriété can_do_text_to_speech.
Code de langue (ISO 639-1) utilisé pour imposer une langue au modèle et à la normalisation du texte. Si le modèle ne prend pas en charge le code de langue fourni, celui-ci sera ignoré. Ce paramètre n’est pas pris en charge par les modèles multilingual_v2.
Paramètres vocaux remplaçant les paramètres enregistrés pour la voix donnée. Ils s’appliquent uniquement à la requête concernée.
Liste des localisateurs de dictionnaires de prononciation (id, version_id) à appliquer au texte. Ils seront appliqués dans l’ordre. Vous pouvez inclure jusqu’à 3 localisateurs par requête.
Si spécifié, notre système fera de son mieux pour échantillonner de manière déterministe, afin que des requêtes répétées avec la même graine et les mêmes paramètres renvoient le même résultat. Le déterminisme n’est pas garanti. Doit être un entier compris entre 0 et 4294967295.
Le texte qui précède celui de la requête actuelle. Peut être utilisé pour améliorer la continuité de la parole lors de la concaténation de plusieurs générations ou pour influencer la continuité de la parole dans la génération actuelle.
Le texte qui suit celui de la requête actuelle. Peut être utilisé pour améliorer la continuité de la parole lors de la concaténation de plusieurs générations ou pour influencer la continuité de la parole dans la génération actuelle.
A list of request_id of the samples that were generated before this generation. Can be used to improve the speech’s continuity when splitting up a large task into multiple requests. The results will be best when the same model is used across the generations. In case both previous_text and previous_request_ids is send, previous_text will be ignored. A maximum of 3 request_ids can be sent.
A list of request_id of the samples that come after this generation. next_request_ids is especially useful for maintaining the speech’s continuity when regenerating a sample that has had some audio quality issues. For example, if you have generated 3 speech clips, and you want to improve clip 2, passing the request id of clip 3 as a next_request_id (and that of clip 1 as a previous_request_id) will help maintain natural flow in the combined speech. The results will be best when the same model is used across the generations. In case both next_text and next_request_ids is send, next_text will be ignored. A maximum of 3 request_ids can be sent.
Indique s’il faut utiliser la version IVC d’une voix professionnelle. Cela peut améliorer l’expressivité et réduire la latence.
Ce paramètre contrôle la normalisation du texte selon trois modes : « auto », « on » et « off ». Lorsqu’il est défini sur « auto », le système décide automatiquement d’appliquer ou non la normalisation du texte, par exemple en écrivant les nombres en toutes lettres. Avec « on », la normalisation est toujours appliquée, tandis qu’avec « off », elle est ignorée.
Effets audio appliqués à l’audio généré. Les ID inconnus renvoient une erreur 404, avec param indiquant le champ concerné. La réverbération (environment_id avec un send_level supérieur à 0) et un pan non nul produisent un audio stéréo et sont rejetés avec une erreur 400 pour les formats de sortie ulaw_*, alaw_* et pcm_*. Les effets ne modifient pas le coût de la requête.
Ce paramètre contrôle la normalisation linguistique du texte. Il améliore la prononciation du texte dans certaines langues prises en charge. AVERTISSEMENT : ce paramètre peut considérablement augmenter la latence de la requête. Actuellement pris en charge uniquement pour le japonais.
Réponse
Données audio encodées en base64
Informations d’horodatage pour chaque caractère du texte original
Informations d’horodatage pour chaque caractère du texte normalisé