API voix IA pour l'édition et l'accessibilité

Par Équipe éditoriale AudioLecture · Mis à jour 2026-11-18

AudioLecture propose une API de synthèse vocale conçue spécifiquement pour les éditeurs souhaitant transformer leurs contenus textuels en audio accessible aux lecteurs dyslexiques et malvoyants. Cette page détaille l'intégration technique, les formats supportés et la transparence des données pour une adoption immédiate dans vos workflows éditoriaux.

Vous y trouverez les spécifications des 8 voix presets, les limites de débit (60 requêtes/min) et la tarification à l'acte (0,01 $ / 1 000 caractères). Découvrez comment utiliser la compatibilité OpenAI SDK pour générer des fichiers audio MP3, WAV ou FLAC en quelques lignes de code, sans abonnement ni engagement.

API voix IA pour l'édition et l'accessibilité

Questions fréquentes

Qu'est-ce qu'une API voix IA ?

Il s'agit d'un service cloud qui reçoit du texte et renvoie un fichier audio. L'endpoint POST /v1/audio/speech accepte un corps JSON identique à celui de l'API OpenAI. Vous envoyez le texte, la voix et le modèle ; le service génère le fichier audio. Cette architecture standardise l'intégration pour les éditeurs souhaitant automatiser la production audio à partir de leurs contenus textuels existants.

Comment fonctionne la synthèse vocale pour les dyslexiques ?

L'API convertit le texte en audio en respectant les standards de lisibilité. Vous sélectionnez une voix parmi huit presets (comme Aria ou Nova) et envoyez le texte via l'endpoint. Le service génère un fichier audio clair. Pour les longs textes, vous pouvez diviser le contenu par blocs de 4096 caractères et assembler les fichiers audio résultants pour créer une expérience d'écoute continue.

Quelle est la différence entre tts-1 et tts-1-hd ?

Les modèles tts-1 et tts-1-hd utilisent exactement le même moteur de synthèse vocale. Ils offrent la même qualité audio et le même tarif. La distinction réside uniquement dans le nom du modèle passé dans la requête JSON. Pour vos intégrations, vous pouvez choisir l'un ou l'autre sans impact sur le coût ni sur les performances de génération du fichier audio final.

Combien de caractères peut traiter une seule requête ?

Chaque requête JSON supporte un champ input limité à 4096 caractères maximum. Les espaces et la ponctuation sont comptabilisés dans ce total. Pour les textes plus longs, vous devez les découper en plusieurs requêtes successives de 4096 caractères chacune. Le client doit ensuite assembler les fichiers audio générés pour reconstituer le contenu complet destiné aux lecteurs.

Les voix supportent-elles toutes les langues listées ?

Oui, les huit voix presets (comme Aria, Nova, Felix) peuvent prononcer n'importe laquelle des 23 langues supportées, dont l'anglais, le français, l'arabe ou le japonais. Si le paramètre language n'est pas défini, le système devine la langue depuis le script. Pour les textes latins non anglais, il est recommandé de définir explicitement le paramètre language pour garantir la prononciation.

Que se passe-t-il si la synthèse échoue ?

Si la synthèse échoue, la demande est considérée comme gratuite. Aucun montant n'est débité de votre solde. Si une erreur survient lors du traitement, le montant correspondant est intégralement remboursé sur votre compte. Cette garantie s'applique uniquement aux échecs de synthèse. Les requêtes réussies, même si le fichier est généré, restent facturées selon le volume de caractères traité.

Mes textes sont-ils utilisés pour entraîner l'IA ?

Non, vos textes ne sont pas utilisés pour l'entraînement des modèles. Ils servent uniquement à produire le fichier audio de la requête en cours. Le fichier audio généré est renvoyé dans la réponse et n'est pas conservé sur nos serveurs. Seules les métadonnées de la requête (heure, nombre de caractères, statut) sont conservées à des fins de facturation et de suivi.

Puis-je utiliser ma propre clé API OpenAI ?

Oui, mais pas avec votre clé OpenAI habitale. Utilisez la clé AudioLecture (préfixe 'tts-...'). Le format JSON est compatible avec le SDK OpenAI, à condition de définir base_url sur https://api.getbn880.com/v1. La clé OpenAI standard échoue car elle pointe vers les serveurs d'OpenAI. Un seul compte par site détient une clé active ; une réémission invalide immédiatement l'ancienne.

Comment sont facturés les caractères spéciaux ?

La facturation se base sur le nombre total de caractères du champ input. Les espaces, la ponctuation et les caractères spéciaux sont tous comptabilisés comme des caractères à part entière. Le tarif est de 0,01 $ par 1 000 caractères. Par exemple, une requête de 4096 caractères sera facturée pour ce volume exact, quel que soit le type de caractère envoyé dans le JSON.

Quelle est la limite de vitesse de génération ?

Les requêtes sont traitées séquentiellement. En cas de charge, une requête peut attendre dans une file d'attente avant d'être générée. La vitesse typique est d'environ 25 caractères par seconde de texte généré. Pour les textes longs, cela correspond à peu près au temps réel. Les courtes phrases peuvent prendre quelques secondes supplémentaires en raison de la surcharge initiale.

Les fichiers audio contiennent-ils un filigrane ?

Oui, chaque fichier audio généré par notre API contient un filigrane inaudible. Ce filigrane marque explicitement le fichier comme étant une parole synthétique générée par l'IA. Il est présent dans tous les formats supportés (mp3, wav, opus, flac, pcm). Cela permet d'identifier facilement les contenus audio produits via notre service pour les besoins de transparence éditoriale.

Puis-je mixer plusieurs voix dans un même fichier ?

L'API génère un fichier audio par requête pour une seule voix. Pour mixer plusieurs voix, vous devez envoyer plusieurs requêtes distinctes, chacune avec un paramètre voice différent. Vous devez ensuite assembler manuellement les fichiers audio résultants dans votre pipeline de production. L'API ne supporte pas le mixage multi-voix natif ni le formatage audio avancé dans une seule réponse.

Y a-t-il une garantie de disponibilité ?

Non, nous ne proposons aucune garantie de disponibilité (SLA). L'API est un service cloud indépendant sans contrat d'entreprise ni engagements de niveau de service. Les temps de réponse peuvent varier selon la charge et la file d'attente. Nous ne disposons d'aucune certification (SOC 2, HIPAA, etc.) pour cet usage.

Comment contacter le support pour les éditeurs ?

Le support est assuré exclusivement par e-mail, sans numéro de téléphone ni chat en direct. Pour toute question technique ou liée à la facturation de votre API AudioLecture, utilisez la page dédiée. Cette méthode unique garantit une traçabilité précise de vos demandes, essentielle pour les éditeurs gérant des volumes importants de synthèse vocale.

Première requête

curl

curl https://api.getbn880.com/v1/audio/speech \
  -H "Authorization: Bearer $TTS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"tts-1","voice":"aria","input":"Hello from the API.","response_format":"mp3"}' \
  --output hello.mp3

Pourquoi une API voix IA pour l'édition ?

Illustration d'onde sonore pour: Pourquoi une API voix IA pour l'édition ?

L'édition numérique doit concilier accessibilité et efficacité. Une API de synthèse vocale permet de transformer instantanément le contenu textuel en audio, répondant ainsi aux besoins spécifiques des lecteurs dyslexiques et malvoyants sans modifier les workflows éditoriaux existants.

Adapter le contenu textuel aux lecteurs dyslexiques

La lecture audio réduit la charge cognitive et améliore l'expérience utilisateur. En générant des fichiers audio à partir de textes bruts, les éditeurs garantissent un accès fluide à l'information, indépendamment du format de publication initial.

  • Lecture fluide pour les profils dyslexiques
  • Accessibilité immédiate sans formatage complexe

Standardiser la production audio éditoriale

L'API assure une cohérence acoustique sur l'ensemble du catalogue. Chaque requête produit un fichier audio conforme aux standards techniques, éliminant les variations inhérentes aux enregistrements humains ou aux outils disparates.

  • Qualité audio constante
  • Gestion centralisée des voix

Intégration technique sans friction

L'intégration repose sur une API REST standard. Elle nécessite du code (HTTP ou SDK OpenAI) pour appeler l'endpoint, sans offrir de SDK mobile dédié ni de plugin WordPress prêt à l'emploi. Cette approche garantit une compatibilité immédiate avec les infrastructures existantes.

Nos voix synthétiques pour la lecture fluide

Illustration d'onde sonore pour: Nos voix synthétiques pour la lecture fluide

Les huit voix synthétiques d'AudioLecture sont conçues pour la clarté auditive, essentielle à la lecture pour les publics dyslexiques et malvoyants. Chaque preset offre des timbres distincts pour varier l'expérience sans sacrifier la lisibilité.

8 presets vocaux optimisés pour la clarté

La sélection repose sur des enregistrements licenciés (LibriTTS-R) et des lectures du domaine public. Ces voix garantissent une régularité acoustique supérieure aux variations aléatoires des modèles génériques, facilitant la concentration des lecteurs.

Voix féminines : Aria, Nova, Luna, Sage

Aria présente une narration chaleureuse et claire. Nova est décrite comme lumineuse et dynamique. Luna offre un ton doux et narratif. Sage se distingue par son calme et son caractère instructif.

Voix masculines : Felix, Milo, Atlas, Orion

Felix est énergique. Milo allie convivialité et ton conversationnel. Atlas assure une neutralité adaptée au format news. Orion possède une voix profonde, caractéristique du style documentaire.

Nos voix synthétiques pour la lecture fluide

Couverture linguistique et formats

Illustration d'onde sonore pour: Couverture linguistique et formats

Notre API prend en charge 23 langues, incluant l'anglais, le français, l'arabe, le chinois et le japonais. La langue est déduite du script par défaut, mais le paramètre language permet un contrôle précis pour les textes en latin non anglais. Elle ne couvre pas le vietnamien, l'indonésien, le thaï, l'ukrainien, le roumain, le tchèque, le bengali ni d'autres langues non listées.

Les formats de sortie disponibles sont MP3, WAV, OPUS, FLAC et PCM. Pour les textes longs, divisez le contenu en segments de 4096 caractères maximum et assemblez les fichiers audio résultants côté client pour obtenir une lecture continue et fluide.

Support de 23 langues internationales

La liste couvre des langues majeures comme l'arabe, le chinois, le danois, l'espagnol, le grec, l'hébreu, le hindi, le japonais, le coréen, le malais, le norvégien, le polonais, le portugais, le russe, le swahili, le suédois et le turc. Tout voix peut prononcer n'importe quelle langue supportée.

  • Arabe, Chinois, Danois, Néerlandais, Anglais, Finnois, Français, Allemand, Grec, Hébreu, Hindi, Italien, Japonais, Coréen, Malais, Norvégien, Polonais, Portugais, Russe, Espagnol, Swahili, Suédois, Turc.

Formats audio : MP3, WAV, OPUS, FLAC, PCM

Nous fournissons des formats audio variés pour s'adapter à vos besoins de compression et de qualité, allant du MP3 au PCM brut.

Gestion automatique des textes longs

Pour les textes dépassant 4096 caractères, divisez le contenu en segments respectant cette limite et assemblez les fichiers audio résultants pour obtenir une lecture continue.

Performance technique et débit

Illustration d'onde sonore pour: Performance technique et débit

La génération audio suit un ratio d’environ un caractère par seconde pour les textes longs, offrant un débit proche du temps réel. Les courtes phrases peuvent toutefois prendre quelques secondes, car le traitement s’effectue séquentiellement.

Génération en temps réel (ratio 1:1)

Le système génère environ 25 caractères par seconde de parole pour les textes longs. Cette vitesse correspond à un ratio 1:1 en conditions normales, garantissant une écoute fluide sans latence perceptible une fois le fichier produit.

Limites de débit : 60 requêtes par minute

Chaque clé API est limitée à 60 requêtes par minute (10 avant le premier rechargement). Cette contrainte permet de maintenir la qualité du service pour les éditeurs produisant des volumes importants de contenu audio.

Prétraitement et mise en file d'attente

Les requêtes sont traitées les unes après les autres. En cas de charge élevée, une requête peut attendre dans une file d’attente avant le début de la synthèse. Le prétraitement du texte et la synchronisation des fichiers restent transparents pour l’intégration.

Transparence des données et confidentialité

Illustration d'onde sonore pour: Transparence des données et confidentialité

La synthèse vocale d'AudioLecture respecte strictement la confidentialité de vos contenus éditoriaux. Le texte envoyé n'est utilisé qu'à des fins strictes de génération audio et n'est jamais intégré à nos jeux de données pour l'entraînement de modèles. Cela garantit l'intégrité de vos textes, qu'ils soient de grands classiques ou des œuvres récentes sous droit d'auteur.

Le fichier audio généré est restitué directement dans la réponse de l'API et n'est pas conservé sur nos serveurs de manière permanente. Seules les métadonnées de la requête (horodatage, volume de caractères, statut) sont archivées, exclusivement pour les besoins de facturation et de traçabilité des transactions.

Pas d'utilisation des textes pour l'entraînement

Contrairement à de nombreux services d'apprentissage automatique, nous ne conservons pas le texte source pour améliorer nos algorithmes. Votre contenu reste propriétaire et n'alimente pas notre base de connaissances.

Cette approche préserve la valeur de vos ouvrages, qu'il s'agisse de manuels éducatifs, de romans ou de documentation technique.

  • Le texte est traité à la volée
  • Aucune rétention du contenu textuel généré

Audio retourné, non stocké par défaut

Le fichier audio (MP3, WAV, OPUS, FLAC ou PCM) est envoyé dans la réponse HTTP. Il n'est pas stocké durablement par défaut après la transmission.

Cette méthode réduit l'exposition des données sensibles et simplifie la gestion des droits numériques.

  • Retour immédiat dans la réponse API
  • Aucune copie permanente conservée

Métadonnées conservées pour la facturation

Nous conservons uniquement les métadonnées nécessaires au suivi de la consommation : heure de la requête, nombre de caractères traités et statut de la génération.

Ces données permettent d'assurer une facturation précise et transparente, sans révéler le contenu textuel de vos œuvres.

  • Horodatage des requêtes
  • Volume de caractères et statut
  • Usage exclusif à la facturation
Transparence des données et confidentialité

Intégration simple avec OpenAI SDK

Illustration d'onde sonore pour: Intégration simple avec OpenAI SDK

La compatibilité avec les SDK officiels d'OpenAI repose sur une structure de requête JSON identique à celle de l'endpoint de synthèse vocale. Vous conservez les champs standards (model, input, voice, response_format, speed) sans modifier la logique de votre code existant.

Même structure de requête JSON

Le corps de la requête suit strictement le format attendu par les clients OpenAI. Chaque champ est mappé directement : le texte source dans input, le modèle choisi (tts-1 ou tts-1-hd) et le format audio désiré. Cette conformité garantit une intégration prévisible pour les équipes techniques habituées à ces schémas.

Modification de l'URL de base (base_url)

L'adaptation nécessite uniquement le changement de l'URL de base de l'API. Pointez simplement votre client vers https://api.getbn880.com/v1 au lieu du service par défaut. Cette configuration unique suffit à diriger les appels vers nos serveurs de synthèse vocale sans modifier les méthodes d'authentification.

  • URL de base : https://api.getbn880.com/v1
  • Authentification via header Authorization: Bearer tts-...
  • Aucune modification des paramètres de corps requise

Compatibilité avec les SDK OpenAI

L'utilisation des SDK officiels OpenAI est entièrement supportée. En ajustant la configuration de base, vos scripts Python, Node.js ou Go fonctionnent immédiatement. Cette approche évite le développement de clients personnalisés et accélère le déploiement de l'audio dans vos applications éditoriales.

Modèle économique transparent

Illustration d'onde sonore pour: Modèle économique transparent

La tarification est strictement au prorata de l'usage : 0,01 $ pour chaque tranche de 1 000 caractères générés. L'espace et la ponctuation sont comptabilisés dans le volume total. Cette transparence permet aux éditeurs de prévoir précisément le coût de leurs contenus audio sans surprise, en fonction du volume de texte publié.

Tarification à l'acte : 0,01 $ / 1 000 caractères

Le calcul est basé sur le nombre exact de caractères envoyés dans le corps de la requête JSON. Chaque requête est facturée individuellement selon ce volume, quel que soit le modèle choisi (tts-1 ou tts-1-hd) ou la durée finale du fichier audio généré.

Pas de frais cachés ni abonnements mensuels

Nous ne proposons ni forfaits mensuels, ni gestion de sièges, ni minimum de dépense. Le solde de votre compte ne expire pas. Le paiement s'effectue uniquement via USDT (TRC-20) avec un minimum de 5 $, crédité automatiquement sous quelques minutes.

Rejet gratuit en cas d'échec

Si la synthèse échoue pour une raison technique ou en raison des limites de débit, la demande n'est pas débitée. Le montant est restitué intégralement, assurant que vous ne payez que pour les audio successfully générés.

Cas d'usage éditoriaux courants

Illustration d'onde sonore pour: Cas d'usage éditoriaux courants

L'API AudioLecture permet aux éditeurs de générer des fichiers audio à partir de manuscrits textuels pour répondre aux besoins des lecteurs dyslexiques et malvoyants. Chaque requête prend en charge jusqu'à 4 096 caractères ; pour les textes plus longs, le client doit découper le contenu et assembler les segments audio générés individuellement. Ce workflow technique s'intègre aux pipelines existants, nécessitant une logique côté client pour la concaténation.

Le modèle économique à l'acte (0,01 $ par 1 000 caractères) s'aligne sur les volumes éditoriaux sans engagement mensuel. L'absence de frais cachés et la facturation des seuls succès rendent le déploiement prévisible pour les plateformes de distribution de contenus audio.

Génération de livres audio pour plateformes

Les éditeurs peuvent automatiser la production d'archives audio pour leurs catalogues. En envoyant le texte via l'endpoint POST /v1/audio/speech, ils reçoivent un fichier audio prêt à être distribué. La limite de 60 requêtes par minute permet une génération continue, bien que les demandes puissent attendre dans une file d'attente pendant les pics de charge.

La nécessité de diviser les manuscrits en segments de 4 096 caractères puis de les assembler côté client garantit une intégration flexible avec les systèmes de gestion de contenu existants.

  • Génération asynchrone avec gestion de file d'attente
  • Assemblage des segments audio implémenté par le client
  • Support de 23 langues pour l'internationalisation

Audio-livres pour applications de lecture

Les applications de lecture peuvent proposer une alternative audio immédiate aux textes. En configurant la vitesse entre 0,25 et 4,0, les développeurs ajustent le débit de parole selon les besoins des utilisateurs. Le format OPUS ou MP3 réduit l'empreinte réseau, tandis que les formats WAV et FLAC conservent une qualité supérieure pour les archives.

Le ratio de génération proche du temps réel (environ 25 caractères par seconde) assure une expérience fluide, même si la latence peut varier selon la charge du serveur.

  • Ajustement de la vitesse de parole (0,25–4,0)
  • Formats audio optimisés pour le streaming ou l'archive
  • Compatibilité avec les lecteurs vocaux standards

Contenu accessible pour sites web éducatifs

Les plateformes éducatives peuvent fournir un accès inclusif aux contenus textuels. En spécifiant la langue ISO, les éditeurs évitent les erreurs d'inférence automatique pour les textes en latin non anglais. Les huit voix presets, comme Aria ou Atlas, offrent des timbres variés adaptés à différents publics.

L'absence de stockage de l'audio généré et l'usage exclusif du texte pour la synthèse respectent la confidentialité des données pédagogiques. Les métadonnées de facturation sont conservées pour le suivi d'utilisation.

  • Spécification manuelle de la langue ISO
  • Huit voix presets pour varier l'expérience
  • Données textuelles non utilisées pour l'entraînement
Cas d'usage éditoriaux courants

Preuve technique et démo

Illustration d'onde sonore pour: Preuve technique et démo

La preuve technique repose sur une intégration immédiate grâce à la compatibilité avec les standards OpenAI. En modifiant simplement l'URL de base vers https://api.getbn880.com/v1, les éditeurs peuvent utiliser les SDK officiels ou des requêtes cURL directes pour générer de l'audio accessible.

Les développeurs peuvent tester la qualité des voix et vérifier les temps de réponse avec des données réelles. Cette transparence technique garantit une validation rapide des performances avant le déploiement à grande échelle pour les lecteurs dyslexiques et malvoyants.

Exemple de requête cURL fourni

La structure JSON suit exactement le format de l'endpoint OpenAI POST /v1/audio/speech. Il suffit d'envoyer le texte, le modèle (tts-1 ou tts-1-hd) et la voix choisie.

La clé API Bearer tts-... s'obtient sur la page /get-api-key/. Un exemple cURL prêt à l'emploi est disponible pour faciliter les premiers tests sans configuration complexe.

  • Corps JSON : model, input, voice
  • Authentification via Authorization: Bearer
  • Format standard compatible SDK OpenAI

Testez la qualité des voix IA

Accédez à /v1/voices pour lister les 8 presets (Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion) et leurs langues supportées.

Chaque voix est testable directement via l'API. Les fichiers audio générés contiennent un filigrane inaudible marquant le caractère synthétique du contenu.

  • Liste exhaustive des voix via GET /v1/voices
  • 8 presets optimisés pour la clarté
  • Test immédiat sans inscription obligatoire

Vérification des temps de réponse

La génération suit un ratio approximatif de 1:1 (temps réel) pour les textes longs. Les courtes phrases prennent quelques secondes.

Les requêtes sont traitées séquentiellement. En cas de charge, une file d'attente peut s'installer, mais le débit reste limité à 60 requêtes par minute par clé.

  • Ratio temps réel pour les longs textes
  • File d'attente sous charge
  • Limite : 60 requêtes/minute/clé

Écoutez les 8 voix

Chaque échantillon ci-dessous a été généré par cette API à partir de la même phrase. Pour les éditeurs, l'accessibilité est essentielle pour inclure les lecteurs dyslexiques.

Avatar de la voix aria
ariafemme
Avatar de la voix nova
novafemme
Avatar de la voix luna
lunafemme
Avatar de la voix sage
sagefemme
Avatar de la voix felix
felixhomme
Avatar de la voix milo
milohomme
Avatar de la voix atlas
atlashomme
Avatar de la voix orion
orionhomme

23 langues

Chaque voix peut parler n'importe laquelle de ces langues.

Sources et lectures complémentaires

  1. Wikipedia
  2. IETF RFC 7845: Ogg Opus
  3. Node.js documentation
  4. curl documentation
  5. Python documentation
  6. OpenAI API reference: create speech
  7. openai-python on GitHub
  8. Creative Commons Attribution 4.0
  9. LibriTTS-R paper (arXiv 2305.18802)
  10. openai-node on GitHub
  11. Tether (USDT)
  12. LibriVox public-domain audiobooks

Plus sur ce site