> This is a page from the ElevenLabs documentation. For a complete page index, fetch https://elevenlabs.io/docs/llms.txt. For the full documentation in a single file, fetch https://elevenlabs.io/docs/llms-full.txt. # Text to Speech ## Vue d’ensemble L’API ElevenLabs [Text to Speech (TTS)](/docs/fr/api-reference/text-to-speech/convert) transforme le texte en audio réaliste, avec une intonation, un rythme et une expressivité émotionnelle nuancés. [Nos modèles](/docs/fr/overview/models) s’adaptent aux indications textuelles dans 32 langues et à plusieurs styles vocaux, et permettent de : * Narrer des campagnes média et des publicités internationales * Produire des livres audio dans plusieurs langues avec une interprétation émotionnelle complexe * Diffuser de l’audio en temps réel à partir de texte Écoutez un exemple : Explorez notre [Voice Library](https://elevenlabs.io/app/voice-library) pour trouver la voix idéale pour votre projet. > **Warning** > > La Voice Library n’est pas accessible via l’API aux utilisateurs du forfait gratuit. #### [Produits](/docs/fr/eleven-creative/playground/text-to-speech) Guide pas à pas pour utiliser Text to Speech dans ElevenLabs. #### [Développeurs](/docs/fr/eleven-api/quickstart) Découvrez comment intégrer Text to Speech à votre application. #### [Guide de l’API](/docs/fr/api-reference/text-to-speech/convert) Guide complet de l’API pour le point de terminaison Text to Speech. #### [MCP](/docs/fr/eleven-agents/operate/hosted-mcp) Générez de la parole depuis Claude ou tout client MCP grâce au serveur MCP hébergé. #### [Eleven v4](/docs/fr/overview/capabilities/text-to-speech/eleven-v4) Les nouveautés d’Eleven v4, avec des comparaisons de clonage de voix. ### Qualité vocale Pour les applications en temps réel, Flash v2.5 offre une latence ultra-faible de 75 ms, tandis que Multilingual v2 fournit un audio de qualité supérieure avec une expression plus nuancée. #### [Eleven v4](/docs/fr/overview/models#eleven-v4) Notre modèle de synthèse vocale le plus expressif et de haute qualité Capacités exceptionnelles de clonage de voix Plus de 90 langues prises en charge Limite de 10 000 caractères Prise en charge des dialogues naturels entre plusieurs locuteurs #### [Eleven v4 Turbo](/docs/fr/overview/models#eleven-v4-turbo) Notre modèle de synthèse vocale en temps réel le plus expressif Latence ultra-faible (latence d’inférence médiane d’environ 100 ms†) Capacités exceptionnelles de clonage de voix Plus de 90 langues prises en charge Balises audio pour un contrôle précis #### [Eleven v3](/docs/fr/overview/models#eleven-v3) Notre modèle de synthèse vocale expressif et riche en émotions Interprétation et rendu dramatiques Plus de 70 langues prises en charge Limite de 5 000 caractères Prise en charge des dialogues naturels entre plusieurs locuteurs #### [Eleven v3 Conversational](/docs/fr/overview/models#eleven-v3-conversational) Notre modèle de synthèse vocale expressif en temps réel Faible latence (\~280 ms) Interprétation et rendu dramatiques Plus de 70 langues prises en charge Balises audio pour un contrôle précis #### [Eleven Multilingual v2](/docs/fr/overview/models#multilingual-v2) Modèle de synthèse vocale offrant une qualité réaliste et constante Rendu naturel 29 langues prises en charge Limite de 10 000 caractères Le plus stable pour les générations longues #### [Eleven Flash v2.5](/docs/fr/overview/models#flash-v25) Notre modèle de synthèse vocale rapide et abordable Latence ultra-faible (\~75 ms†) 32 langues prises en charge Limite de 40 000 caractères Modèle plus rapide, prix par caractère inférieur de 50 % pour les générations par API [Tout explorer](/docs/fr/overview/models) ### Options de voix ElevenLabs propose des milliers de voix dans 32 langues via plusieurs méthodes de création : * [Voice Library](/docs/fr/overview/capabilities/voices) avec plus de 10 000 voix partagées par la communauté * [Clonage de voix professionnel](/docs/fr/overview/capabilities/voices#cloned) pour des répliques d’une fidélité maximale * [Clonage de voix instantané](/docs/fr/overview/capabilities/voices#cloned) pour reproduire rapidement une voix * [Conception de voix](/docs/fr/overview/capabilities/voices#voice-design) pour générer des voix personnalisées à partir de descriptions textuelles En savoir plus sur nos [options de voix](/docs/fr/overview/capabilities/voices). ### Effets audio Les effets audio post-traitent la parole générée pour lui donner l’impression d’avoir été enregistrée dans un lieu précis, sans montage ultérieur. Définissez n’importe quelle combinaison parmi : * **Préréglage de filtre** : colore la voix, par exemple comme une ligne téléphonique, une vieille radio ou un robot. * **Distance** : éloigne le locuteur du microphone. * **Environnement** : place la voix dans un espace réverbérant, comme une petite pièce ou une salle. * **Bruit de fond** : ajoute en boucle une ambiance, comme un café ou des frappes au clavier, sous la voix. * **Panoramique** : positionne la voix entre les canaux gauche et droit. Les effets sont disponibles sur les points de terminaison Text to Speech et Text to Dialogue, y compris pour les requêtes en streaming et horodatées, via le paramètre [`audio_effects`](/docs/fr/api-reference/text-to-speech/convert#request.body.audio_effects). Répertoriez les préréglages de filtres, environnements et bruits de fond disponibles avec le [catalogue des effets audio](/docs/fr/api-reference/audio-effects/get-catalog). Les agents peuvent également appliquer un filtre vocal. Consultez [Environnement audio](/docs/fr/eleven-agents/customization/voice/audio-environment). Dans l’application, ajoutez des effets depuis le [playground Text to Speech](/docs/fr/eleven-creative/playground/text-to-speech). Les effets ne modifient pas le coût d’une requête. > **Warning** > > La réverbération (un `environment_id` avec un `send_level` supérieur à 0) et une valeur `pan` non nulle produisent un audio stéréo. Les requêtes les combinant avec les formats de sortie mono `pcm_*`, `ulaw_*` ou `alaw_*` sont rejetées avec une erreur 400. #### Formats de sortie pris en charge Le format de réponse par défaut est `mp3`, mais d’autres formats comme `pcm` et `ulaw` sont disponibles. * **MP3** * Fréquences d’échantillonnage : 22,05 kHz - 44,1 kHz * Débits binaires : 32 kbps - 192 kbps * 22,05 kHz à 32 kbps * 44,1 kHz à 32 kbps, 64 kbps, 96 kbps, 128 kbps, 192 kbps * **PCM (S16LE)** * Fréquences d’échantillonnage : 16 kHz - 44,1 kHz * Débits binaires : 8 kHz, 16 kHz, 22,05 kHz, 24 kHz, 44,1 kHz, 48 kHz * Profondeur de 16 bits * **μ-law** * Fréquence d’échantillonnage de 8 kHz * Optimisé pour les applications de téléphonie * **A-law** * Fréquence d’échantillonnage de 8 kHz * Optimisé pour les applications de téléphonie * **Opus** * Fréquence d’échantillonnage : 48 kHz * Débits binaires : 32 kbps - 192 kbps > **Success** > > Les options audio de qualité supérieure sont disponibles uniquement avec les forfaits payants. Consultez notre [page des tarifs ](https://elevenlabs.io/pricing/api) pour en savoir plus. ### Langues prises en charge Nos modèles multilingues v2 prennent en charge 29 langues : *Anglais (États-Unis, Royaume-Uni, Australie, Canada), japonais, chinois, allemand, hindi, français (France, Canada), coréen, portugais (Brésil, Portugal), italien, espagnol (Espagne, Mexique), indonésien, néerlandais, turc, filipino, polonais, suédois, bulgare, roumain, arabe (Arabie saoudite, Émirats arabes unis), tchèque, grec, finnois, croate, malais, slovaque, danois, tamoul, ukrainien et russe.* Flash v2.5 prend en charge 32 langues, toutes les langues des modèles v2 ainsi que : *Hongrois, norvégien et vietnamien* Saisissez simplement du texte dans l’une de nos langues prises en charge et sélectionnez une voix correspondante dans notre [Voice Library](https://elevenlabs.io/app/voice-library). Pour des résultats plus naturels, choisissez une voix dont l’accent correspond à votre langue et à votre région cibles. ### Prompting Les modèles interprètent directement le contexte émotionnel à partir du texte saisi. Par exemple, l’ajout de texte descriptif comme « elle a dit avec enthousiasme » ou l’utilisation de points d’exclamation influencera l’émotion de la parole. Les paramètres vocaux tels que la stabilité et la similarité permettent de contrôler la cohérence, tandis que l’émotion sous-jacente provient des indications textuelles. Consultez le [guide de prompting](/docs/fr/overview/capabilities/text-to-speech/best-practices) pour en savoir plus. > **Note** > > Le texte descriptif sera prononcé par le modèle et devra être coupé ou supprimé manuellement de l’audio si nécessaire. ## FAQ #### Puis-je cloner ma propre voix ? Oui. Vous pouvez créer des [clones de voix instantanés](/docs/fr/overview/capabilities/voices#cloned) de votre propre voix à partir de courts extraits audio. Pour des clones haute fidélité, découvrez notre fonctionnalité de [clonage de voix professionnel ](/docs/fr/overview/capabilities/voices#cloned). #### Suis-je propriétaire de la sortie audio ? Oui. Vous restez propriétaire de tout audio que vous générez. Toutefois, les droits d’utilisation commerciale sont uniquement disponibles avec les forfaits payants. Avec un abonnement payant, vous pouvez utiliser l’audio généré à des fins commerciales et monétiser les résultats si vous détenez les droits de propriété intellectuelle du contenu source. #### Qu’est-ce qui donne droit à une régénération gratuite ? Une régénération gratuite vous permet de régénérer le même contenu de synthèse vocale sans frais supplémentaires, sous réserve des conditions suivantes : * Vous pouvez régénérer chaque contenu gratuitement jusqu’à 2 fois. * Le contenu doit être exactement identique à celui de la génération précédente. Toute modification du texte, des paramètres vocaux ou d’autres paramètres nécessitera une nouvelle génération payante. Les régénérations gratuites sont utiles en cas de légère distorsion dans la sortie audio. Selon les benchmarks internes d’ElevenLabs, les régénérations résolvent environ la moitié des problèmes de qualité, les problèmes restants étant généralement dus à des données d’entraînement de mauvaise qualité. #### Comment réduire la latence dans les cas d’usage en temps réel ? Utilisez les [modèles](/docs/fr/overview/models) Flash à faible latence (Flash v2 ou v2.5), optimisés pour les scénarios conversationnels ou interactifs quasi temps réel. Consultez notre [guide d’optimisation de la latence ](/docs/fr/eleven-api/guides/how-to/best-practices/latency-optimization) pour en savoir plus. #### Pourquoi ma sortie est-elle parfois incohérente ? Les modèles sont non déterministes. Pour plus de cohérence, utilisez le [paramètre seed ](/docs/fr/api-reference/text-to-speech/convert#request.body.seed) facultatif, bien que de légères différences puissent subsister. #### Quelle est la meilleure pratique pour les conversions de texte volumineux ? Divisez les textes longs en segments et utilisez le streaming pour une lecture en temps réel et un traitement efficace. Pour préserver un flux prosodique naturel entre les segments, incluez les [paramètres de texte précédent/suivant ou d’identifiant de requête précédent/suivant ](/docs/fr/api-reference/text-to-speech/convert#request.body.previous_text). ## Points clés * **Déterminisme** : la sortie est non déterministe, utilisez le paramètre `seed` pour des résultats plus cohérents * **Effets audio** : ajoutez sans frais supplémentaires un préréglage de filtre, de la distance, de la réverbération, un bruit de fond ou un panoramique avec `audio_effects` * **Régénérations gratuites** : jusqu’à 2 régénérations gratuites par génération, uniquement pour le même contenu et les mêmes paramètres * **Propriété** : vous restez propriétaire de l’audio généré ; l’utilisation commerciale exige un forfait payant * **Cas d’usage à faible latence** : utilisez les modèles Flash (`eleven_flash_v2` ou `eleven_flash_v2_5`), consultez le [guide d’optimisation de la latence](/docs/fr/eleven-api/guides/how-to/best-practices/latency-optimization) * **Textes longs** : divisez les textes longs en segments ; utilisez les paramètres `previous_text` / `next_text` pour conserver une prosodie naturelle entre les segments