Comment convertir du texte en audio avec notre API TTS ?

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

Cette page explique comment transformer des contenus textuels en audio grâce à notre API TTS, conçue spécifiquement pour les éditeurs soucieux de l'accessibilité. Vous découvrirez les principes techniques de la conversion texte-vers-audio, adaptés aux lecteurs dyslexiques ou malvoyants, et les avantages d'une voix narrative standardisée et claire.

Vous y trouverez les détails de configuration pour les développeurs, de la génération de la clé API au choix des modèles tts-1 ou tts-1-hd. Nous couvrons également la gestion des longs textes, les formats audio compatibles, les coûts par million de caractères et les bonnes pratiques d'intégration dans vos workflows éditoriaux existants.

Comment convertir du texte en audio avec notre API TTS ?

Questions fréquentes

Qu'est-ce que la synthèse vocale IA ?

Il s'agit d'une API cloud qui convertit du texte en fichier audio via un appel POST. Le modèle utilise des voix basées sur des enregistrements licenciés (LibriTTS-R, CC BY 4.0). Vous envoyez le texte et recevez un fichier audio sans infrastructure complexe.

Comment l'API aide-t-elle les dyslexiques ?

L'API permet de transformer des contenus textuels en audio pour les lecteurs dyslexiques et malvoyants. En envoyant du texte via notre endpoint, vous générez un fichier audio accessible, facilitant la lecture sans effort visuel pour vos utilisateurs.

Quelle voix choisir pour un livre narratif ?

Pour la narration, privilégiez Luna (douce, storytelling) ou Aria (narratrice claire). Ces voix féminines offrent un ton adapté à la lecture longue. Atlas convient aussi pour un ton neutre. Chaque voix est un preset disponible via l'API.

Combien de temps prend la génération ?

La génération prend environ une seconde par 25 caractères de texte. Pour les textes longs, le traitement est séquentiel ; les requêtes peuvent attendre en file d'attente sous charge. Les phrases courtes prennent quelques secondes supplémentaires.

Peut-on écouter l'audio avant de payer ?

L'API retourne le fichier audio directement dans la réponse. Vous pouvez le lire immédiatement après la requête. Les requêtes échouées sont gratuites et le crédit est remboursé intégralement en cas d'échec de la synthèse.

Les voix ont-elles un accent français ?

Les voix sont des presets génériques capables de parler les 23 langues supportées, dont le français. Si le paramètre language n'est pas défini, le script latin est interprété comme anglais par défaut. Définissez language: fr pour garantir le français.

Dois-je acheter les droits des voix ?

Les voix sont basées sur des enregistrements licenciés sous CC BY 4.0 (LibriTTS-R) et des lectures du domaine public (LibriVox). Aucun achat de licence supplémentaire n'est requis pour les voix elles-mêmes. Une seule clé API active est nécessaire.

L'audio généré est-il libre de droits ?

L'audio contient un filigrane inaudible marquant le discours comme synthétique. Les voix proviennent de sources CC BY 4.0 ou du domaine public. L'API ne stocke pas l'audio généré, mais conserve les métadonnées pour la facturation.

Comment intégrer l'audio sur mon site web ?

Utilisez le SDK OpenAI ou HTTP brut. Modifiez base_url vers https://api.getbn880.com/v1 et envoyez le texte par POST. Recevez le fichier audio (mp3, wav, etc.) et intégrez-le via une balise HTML5 <audio> standard. Pour les textes longs, découpez-les en parties de 4096 caractères maximum et joignez les fichiers audio générés.

Les fichiers audio sont-ils stockés par l'API ?

Non. L'audio généré est retourné dans la réponse HTTP et n'est pas stocké par nos serveurs. Seules les métadonnées de la requête (heure, caractères, statut) sont conservées pour la facturation et le suivi de l'utilisation.

Que faire si le texte contient des chiffres ?

L’API ne propose ni dictionnaire phonétique ni SSML pour modifier la prononciation des chiffres. Pour les contenus complexes, vérifiez systématiquement la sortie audio générée. Assurez-vous simplement que votre texte respecte la limite de 4096 caractères par requête pour garantir une génération correcte.

La vitesse peut-elle être ajustée dynamiquement ?

Oui, le paramètre speed permet d'ajuster la vitesse de lecture entre 0.25 et 4.0. Vous pouvez modifier cette valeur pour chaque requête API afin d'adapter l'écoute aux préférences des utilisateurs ou à la densité du texte.

Y a-t-il une limite de mots par livre ?

Il n'y a pas de limite par livre, mais chaque requête API est limitée à 4096 caractères. Pour les livres longs, vous devez diviser le texte en parties de cette taille et joindre les fichiers audio générés séquentiellement.

Le format MP3 est-il suffisant pour la qualité ?

Le MP3 est un format valide, mais vous pouvez aussi choisir WAV, OPUS, FLAC ou PCM. Les modèles tts-1 et tts-1-hd utilisent exactement le même moteur et le même prix. Le choix du format dépend donc principalement de vos besoins en compression et en taille de fichier, sans différence de qualité audio sous-jacente.

Principe de la synthèse vocale pour l'accessibilité

Illustration d'onde sonore pour: Principe de la synthèse vocale pour l'accessibilité

La conversion de texte en audio repose sur une requête API unique : vous envoyez du texte et recevez un fichier audio. Cette approche élimine le besoin d'installations complexes ou de développement d'un SDK mobile spécifique, car l'API HTTP standard fonctionne nativement sur tous les appareils mobiles.

Pour les éditeurs, cette méthode garantit une accessibilité immédiate. La voix narrative est standardisée, offrant une expérience d'écoute cohérente et prévisible, essentielle pour les utilisateurs qui dépendent de la régularité du rythme vocal pour une lecture fluide.

Conversion texte vers audio par requête API

L'API prend une entrée textuelle et restitue un fichier audio via un simple appel POST. Il n'est pas nécessaire de déployer des serveurs locaux ni d'intégrer un SDK mobile propriétaire ; la connexion HTTP standard suffit pour toutes les plateformes, y compris les mobiles.

Avantages pour les lecteurs dyslexiques

La voix synthétique offre un rythme constant, sans les variations prosodiques qui peuvent perturber la compréhension. Cette régularité aide les lecteurs dyslexiques à traiter l'information sans fatigue cognitive excessive, en maintenant un débit de lecture prévisible.

Le texte n'est pas réutilisé pour l'entraînement des modèles, préservant la confidentialité des contenus éditoriaux tout en garantissant une restitution auditive fiable.

Standardisation de la voix narrative

Chaque voix (comme Aria ou Nova) offre un timbre et un débit cohérents d'un bout à l'autre du livre. Cette uniformité évite les changements brusques de tonalité, favorisant une écoute prolongée sans surcharge cognitive.

Le filigrane inaudible identifie clairement le contenu comme synthétique, assurant la transparence sans altérer l'expérience sonore.

Configuration technique pour les éditeurs

Illustration d'onde sonore pour: Configuration technique pour les éditeurs

La configuration démarre par l'obtention d'une clé API unique sur la page /get-api-key/. Chaque compte dispose d'une seule clé active ; sa révocation est immédiate et la nouvelle prend le relais instantanément, sans délai de propagation.

Vous envoyez ensuite vos textes via JSON au point de terminaison POST /v1/audio/speech. Le corps de la requête suit le même format que l'API OpenAI, permettant une intégration rapide avec les SDK existants ou des appels HTTP standards.

Obtention de la clé API Bearer

Créez votre compte sur getbn880.com et accédez à /get-api-key/. La clé, préfixée tts-, est générée immédiatement. Une seule clé est active par compte ; en émettre une nouvelle invalide l'ancienne instantanément.

  • Authentification via Authorization: Bearer <key>
  • Une seule clé active par compte
  • Révocation immédiate lors de la génération d'une nouvelle clé

Envoi du texte via JSON ou SDK

Utilisez la méthode POST sur https://api.getbn880.com/v1/audio/speech. Le corps JSON doit inclure le model, l'input (texte brut, max 4096 caractères) et le voice souhaité. Le SDK OpenAI fonctionne nativement en ajustant le base_url.

Les paramètres optionnels incluent response_format pour le type de fichier audio et speed pour ajuster la vitesse de lecture entre 0.25 et 4.0. La langue peut être spécifiée par code ISO si la détection automatique ne suffit pas.

Choix du modèle tts-1 ou tts-1-hd

Le modèle tts-1 est le standard pour une génération rapide et efficace. Le modèle tts-1-hd offre une qualité supérieure pour les contenus nécessitant une fidélité accrue. Les deux modèles partagent le même moteur et le même tarif de $10 par million de caractères.

Le choix dépend de vos exigences de qualité audio et de la bande passante. Pour les livres audio destinés aux lecteurs malvoyants, tts-1 reste largement suffisant grâce à la clarté des voix preset comme Aria ou Nova.

Configuration technique pour les éditeurs

Gestion des volumes et longs textes

Illustration d'onde sonore pour: Gestion des volumes et longs textes

Pour les éditeurs publiant des contenus longs, l'API impose une limite stricte de 4096 caractères par requête. Il est nécessaire de découper manuellement ou automatiquement le texte source en segments respectant cette contrainte avant d'envoyer les données au endpoint POST /v1/audio/speech.

Chaque segment génère un fichier audio distinct. Le réassemblage final repose sur une concaténation simple des fichiers audio retournés, sans synchronisation temporelle complexe ni métadonnées de timestamp intégrées. Cette approche garantit une intégration fiable dans les workflows éditoriaux existants.

Découpage en segments de 4096 caractères

Chaque requête ne peut contenir plus de 4096 caractères, espaces et ponctuation incluss. Pour un livre ou un article long, votre système doit segmenter le texte source en blocs consécutifs.

Cette limite technique est fixe. Vous devez gérer la logique de découpe côté client ou via un script intermédiaire pour assurer la continuité narrative entre les segments.

  • Limite stricte : 4096 caractères par requête JSON.
  • Comptage incluant espaces et ponctuation.
  • Nécessite une segmentation préalable du texte source.

Réassemblage des fichiers audio

L'API retourne un fichier audio complet pour chaque segment traité. Le réassemblage consiste à joindre ces fichiers séquentiellement pour reconstituer le contenu audio intégral.

Aucune métadonnée de timestamp n'est fournie dans la réponse. La synchronisation repose sur l'ordre d'envoi et la concaténation linéaire des fichiers générés.

  • Réception d'un fichier audio par segment.
  • Concaténation linéaire pour reconstituer le texte complet.
  • Pas de synchronisation temporelle automatique.

Gestion de la file d'attente sous charge

Les requêtes sont traitées séquentiellement. En cas de forte charge, une requête peut attendre dans une file d'attente avant d'être synthétisée.

Le débit typique est d'environ 25 caractères par seconde de parole générée. Les petits textes peuvent prendre quelques secondes, tandis que les longs textes génèrent un volume proche du temps réel.

  • Traitement séquentiel des requêtes.
  • File d'attente possible sous forte charge.
  • Débit moyen : ~25 caractères/sec de parole.

Qualité et naturel des voix IA

Illustration d'onde sonore pour: Qualité et naturel des voix IA

La qualité audio repose sur huit voix pré-enregistrées dérivées des données LibriTTS-R (CC BY 4.0). Ce fonds permet d'offrir des timbres variés, allant de la narration claire d'Aria au ton documentaire d'Orion, garantissant une expérience d'écoute cohérente pour les lecteurs malvoyants ou dyslexiques.

Présents vocaux basés sur LibriTTS-R

Les voix sont générées à partir d'enregistrements licenciés et de lectures du domaine public. Chaque modèle offre une texture sonore distincte, optimisée pour la lisibilité auditive sur des textes longs ou courts.

Clarté et rythme adaptés à la lecture

Le débit est ajustable de 0,25 à 4,0, permettant aux éditeurs de calibrer la vitesse selon les besoins cognitifs des utilisateurs. La synthèse produit un audio naturel, sans coupures artificielles, favorisant une lecture fluide et continue.

Les fichiers sont générés en quelques secondes pour les courtes phrases, tandis que les textes longs suivent un rythme proche du temps réel.

Marquage audio par filigrane invisible

Chaque fichier audio généré intègre un filigrane inaudible certifiant son origine synthétique. Cette marque technique assure la transparence auprès des auditeurs sans altérer la qualité sonore perçue.

Formats audio et compatibilité lecteur

Illustration d'onde sonore pour: Formats audio et compatibilité lecteur

Le format audio est spécifié via le champ response_format de la requête JSON. Vous pouvez choisir entre MP3, WAV, OPUS, FLAC ou PCM selon vos besoins de compression et de qualité. Ces formats standards assurent une lecture fiable sur les navigateurs modernes et les lecteurs multimédias.

Bien que nous ne fournissions pas de SDK mobile dédié, la compatibilité reste large grâce à l'utilisation de formats audio universels. Le téléchargement se fait via HTTP standard, nécessitant une implémentation client simple mais explicite de votre côté pour gérer les flux audio sur iOS ou Android.

Choix entre MP3, WAV, OPUS, FLAC, PCM

Le paramètre response_format accepte cinq valeurs : mp3, wav, opus, flac et pcm. Le MP3 offre un bon compromis taille/qualité, tandis que le WAV et le FLAC garantissent une qualité sans perte. Le format PCM est brut et non compressé, utile pour un traitement audio immédiat.

Le choix impacte la bande passante mais pas le prix, qui reste fixe à 10 $ par million de caractères générés, quel que soit le format audio retourné par l'API.

  • MP3 : format compressé standard, large compatibilité.
  • WAV : format non compressé, qualité originale.
  • OPUS : haute qualité à faible débit binaire.
  • FLAC : compression sans perte, idéal pour l'archivage.
  • PCM : données audio brutes, non compressées.

Compatibilité avec les applications mobiles

Aucun SDK mobile natif n'est fourni. L'intégration repose sur l'envoi d'une requête POST vers l'endpoint API et la gestion du flux audio retourné par le client HTTP de votre application. Les formats supportés sont lus par les players HTML5 standards et les bibliothèques audio mobiles courantes.

Cette approche standardisée évite les dépendances à des solutions propriétaires mais exige que les développeurs gèrent eux-mêmes le cycle de vie du téléchargement et de la lecture audio sur les appareils mobiles.

  • Lecture via HTML5 <audio> ou bibliothèques natives.
  • Support des formats standardisés (MP3, WAV, etc.).
  • Pas de plugin ou SDK mobile dédié.

Taille des fichiers et bande passante

La taille du fichier audio dépend du format choisi et de la durée de la synthèse. Le MP3 et l'OPUS réduisent significativement la taille par rapport au WAV ou au PCM, ce qui optimise le temps de chargement pour les utilisateurs à bande passante limitée.

Pour les longs textes, la génération peut prendre du temps car les requêtes sont traitées séquentiellement. La taille finale est donc corrélée à la durée de lecture, soit environ 25 caractères par seconde de parole générée.

  • MP3/OPUS : fichiers plus légers, chargement plus rapide.
  • WAV/FLAC : fichiers plus lourds, qualité supérieure.
  • Taille proportionnelle à la durée de lecture.

Coût et optimisation pour les projets éditoriaux

Illustration d'onde sonore pour: Coût et optimisation pour les projets éditoriaux

La tarification repose sur un volume pur : 0,01 $ par millier de caractères (espaces et ponctuation inclus). Pour un roman de 360 000 caractères (est. 60 000 mots), le coût est de 3,60 $. Les requêtes échouées sont remboursées intégralement, protégeant votre budget lors des tests de qualité.

Calcul du coût par livre complet

Le calcul est linéaire et prévisible. Un livre de 500 pages (approx. 150 000 caractères) coûte 1,50 $. Cette transparence permet d'intégrer le coût audio directement dans les marges éditoriales sans surprise, contrairement aux abonnements fixes.

  • 1 million de caractères = 10 $
  • Toutes les requêtes échouées sont gratuites
  • Solde illimité, pas de frais cachés

Impact de la vitesse sur le temps de génération

La vitesse (0,25–4,0) influence la durée de traitement, car le système génère environ 25 caractères par seconde. Accélérer le débit réduit le temps de génération mais modifie l'expérience d'écoute pour les lecteurs dyslexiques. Ajuster la vitesse à 1,0 ou 1,2 reste l'option standard pour une lisibilité optimale.

Utilisation de l'essai gratuit pour le prototypage

L'essai gratuit offre 0,50 $ de crédit (environ 50 000 caractères) pendant 7 jours lors d'une connexion Google. Il est idéal pour valider la clarté des voix (Aria, Luna) et tester les formats audio sans engagement. Note : les comptes créés par email/password n'ont pas ce crédit initial.

Coût et optimisation pour les projets éditoriaux

Contrôle de la langue et de l'accent

Illustration d'onde sonore pour: Contrôle de la langue et de l'accent

La spécification du paramètre language en ISO 639-1 garantit une prononciation précise. Sans cette indication, l'API devine la langue depuis la script (défaut anglais pour le latin), ce qui peut altérer la restitution pour des contenus spécialisés.

Les 23 langues supportées incluent l'anglais, le français, l'allemand, l'espagnol, le chinois, le japonais, l'arabe et le swahili. Toute langue absente de cette liste n'est pas générée. Les voix restent neutes et claires, idéales pour la lecture assistée.

Détection automatique vs spécification ISO

Par défaut, l'API déduit la langue à partir du script utilisé. Pour le texte latin non anglais, il est recommandé de définir explicitement le paramètre language pour éviter une prononciation par défaut en anglais qui pourrait nuire à la compréhension pour les lecteurs dyslexiques.

Gestion des textes en latin non anglais

Le latin n'est pas dans la liste des 23 langues supportées. Si vous utilisez des caractères latins pour du français ou de l'allemand, la détection automatique peut échouer. Spécifiez le code ISO (ex: fr, de) pour forcer la bonne voix et la bonne intonation.

Support des 23 langues disponibles

Les voix couvrent 23 langues : arabe, chinois, danois, néerlandais, anglais, finnois, français, allemand, grec, hébreu, hindi, italien, japonais, coréen, malais, norvégien, polonais, portugais, russe, espagnol, swahili, suédois et turc. Chaque voix peut prononcer n'importe quelle langue de cette liste avec la même qualité narrative.

Intégration dans les workflows éditoriaux

Illustration d'onde sonore pour: Intégration dans les workflows éditoriaux

L'API s'intègre nativement aux pipelines éditoriaux existants grâce à sa conformité avec le standard OpenAI. Les éditeurs peuvent déclencher la synthèse de manière synchrone via POST ou automatiser la production de fichiers en boucle (batch) pour les catalogues entiers, en respectant les limites de 4096 caractères par requête pour garantir l'intégrité du contenu audio.

Les fichiers audio générés sont retournés directement dans la réponse et ne sont pas stockés par défaut. Cette absence de persistance serveur permet aux éditeurs de conserver une gestion rigoureuse de leurs actifs numériques, en les archivant sur leurs propres serveurs ou CDN selon leurs politiques de rétention et de bande passante.

Génération à la demande ou en batch

L'architecture API permet une génération immédiate pour les articles ou chapitres uniques, idéale pour le contenu éphémère ou les mises à jour fréquentes. Pour les livres ou manuels, le mode batch consiste à découper le texte source en segments de 4096 caractères, à envoyer les requêtes successives et à réassembler les fichiers audio résultants. Cette méthode garantit que chaque segment soit traité individuellement, respectant la limite technique tout en préservant la cohérence narrative.

La file d'attente interne gère les pics de charge : les requêtes sont traitées séquentiellement, ce qui peut ajouter un délai de génération lors des fortes sollicitations. Il est recommandé de planifier les batches hors heures de pointe pour les gros volumes, tout en maintenant une latence acceptable pour la plupart des cas d'usage éditoriaux standards.

  • Requêtes synchrones standardisées pour une intégration facile
  • Découpage automatique en segments de 4096 caractères
  • Traitement séquentiel avec gestion interne de la file d'attente

Stockage local ou CDN des fichiers audio

Contrairement à d'autres services qui hébergent vos contenus, notre API restitue le fichier audio dans la réponse HTTP sans le conserver. Les éditeurs doivent donc implémenter leur propre couche de stockage, que ce soit sur leurs serveurs internes ou via un CDN pour la diffusion mondiale. Cette approche donne un contrôle total sur la bande passante et la rétention des données audio générées.

Le choix du format audio (MP3, WAV, OPUS, FLAC, PCM) influence directement la taille des fichiers stockés. Pour les lecteurs dyslexiques, le MP3 offre un bon compromis entre qualité et encombrement, tandis que le WAV ou le FLAC sont privilégiés pour l'archivage haute fidélité. La taille du fichier reste proportionnelle à la durée de génération, environ 25 caractères par seconde de parole.

  • Fichiers retournés dans la réponse, non stockés par l'API
  • Contrôle éditorial total sur l'archivage et le CDN
  • Formats adaptables selon les besoins de bande passante

Mise à jour du contenu texte et audio

Lorsqu'un texte source est modifié (correction orthographique, mise à jour d'information), la régénération de l'audio est immédiate via une nouvelle requête API. Comme chaque génération est indépendante, il suffit de remplacer l'ancien fichier audio par le nouveau sans conflit de versionnage complexe. Le coût est calculé sur les nouveaux caractères générés, offrant une transparence totale sur les frais de maintenance du contenu.

La non-utilisation des textes entrants pour l'entraînement des modèles garantit que vos mises à jour de contenu restent confidentielles et spécifiques à vos éditeurs. L'absence de dépendance à un format propriétaire (comme le SSML) simplifie également les conversions entre différents formats de texte source (HTML, Markdown, XML) vers l'audio, facilitant l'intégration dans les CMS existants.

  • Régénération instantanée après modification du texte source
  • Coût transparent basé sur les nouveaux caractères générés
  • Indépendance vis-à-vis des formats de texte source

Limitations techniques à connaître

Illustration d'onde sonore pour: Limitations techniques à connaître

L'API ne supporte pas le streaming WebSocket ni la transmission progressive de l'audio. Le fichier complet est généré avant envoi, ce qui garantit une intégrité parfaite mais empêche la lecture immédiate caractère par caractère.

Les éditeurs doivent donc prévoir un délai de latence initial, particulièrement pour les textes longs. Le traitement suit une file d'attente séquentielle sous charge.

Absence de streaming temps réel

Contrairement à certaines solutions interactives, l'audio n'est pas diffusé en temps réel. Le client doit attendre la fin de la synthèse pour recevoir le fichier binaire.

Cette contrainte est acceptable pour la publication de contenus éditoriaux (livres, articles) mais moins adaptée à une assistance conversationnelle instantanée.

  • Pas de connexion WebSocket ouverte
  • Fichier audio complet à la fin de la requête

Pas de SSML ni de contrôle des émotions

L'API utilise des voix pré-enregistrées sans dictionnaire de phonèmes ni balisage SSML. Impossible de forcer une pause précise ou de modifier l'intonation locale.

Le rythme reste standardisé : environ 25 caractères par seconde de voix synthétique.

  • Pas de balises SSML
  • Pas de contrôle des émotions ou de la ponctuation fine

Files d'attente possibles en cas de pic

Les requêtes sont traitées séquentiellement. En cas de forte charge, une requête peut attendre dans la file avant d'être exécutée.

La limite est de 60 requêtes par minute par clé API. Au-delà, les délais s'allongent progressivement.

  • Traitement séquentiel des requêtes
  • Limite de 60 req/min par clé

Protection des données et droits d'auteur

Illustration d'onde sonore pour: Protection des données et droits d'auteur

L'API TTS d'AudioLecture est conçue pour les éditeurs soucieux de la conformité juridique et de la protection des contenus textuels. Lors de la conversion de livres ou d'articles en audio, le texte envoyé est utilisé exclusivement pour la synthèse immédiate et n'est jamais intégré aux jeux de données d'entraînement futurs du modèle. Seules les métadonnées de facturation (date, statut, nombre de caractères) sont conservées pour le suivi de l'utilisation.

Textes non utilisés pour l'entraînement

Contrairement à certaines plateformes généralistes, les contenus textuels soumis via notre API ne servent pas à améliorer les algorithmes de voix. Cette isolation garantit que vos manuels scolaires ou vos articles de presse exclusifs ne risquent pas d'apparaître dans d'autres synthèses générées par la suite. La confidentialité des textes est donc préservée dans le cycle de production audio.

  • Texte utilisé uniquement pour la génération immédiate.
  • Aucune utilisation dans l'apprentissage du modèle.
  • Métadonnées conservées uniquement pour la facturation.

Licence CC BY 4.0 des voix de base

Les voix utilisées dans notre API proviennent d'enregistrements de livres audio du domaine public, spécifiquement la base de données LibriTTS-R. Ces enregistrements sont distribués sous licence Creative Commons BY 4.0. Cette origine garantit une base légale solide pour l'intégration de vos produits éditoriaux, car les voix ne sont pas basées sur l'imitation non consentie de personnalités publiques.

  • Voix issues de LibriTTS-R (CC BY 4.0).
  • Origine claire et traçable des enregistrements.
  • Absence de droits d'auteur sur les voix brutes.

Transparence sur le filigrane synthétique

Chaque fichier audio généré contient un filigrane inaudible identifiant la voix comme étant synthétique. Ce marquage technique est invisible à l'oreille humaine mais détectable numériquement. Il assure une transparence immédiate pour vos lecteurs, confirmant que l'audio est une synthèse IA et non une prestation humaine enregistrée, ce qui est une pratique courante dans les standards d'accessibilité numérique.

  • Filigrane inaudible présent dans chaque fichier.
  • Identification claire de la voix synthétique.
  • Conformité aux bonnes pratiques de transparence.
Protection des données et droits d'auteur

Exemples concrets d'application

Illustration d'onde sonore pour: Exemples concrets d'application

La API TTS permet aux éditeurs de générer rapidement des fichiers audio à partir de contenus textuels existants. Pour les lecteurs dyslexiques ou malvoyants, l'audio devient un canal de lecture primaire, accessible immédiatement sans nécessiter de nouveaux enregistrements studio.

Livres audio pour les plateformes éducatives

En découpant un roman de 200 000 caractères en segments de 4096, l'API génère des fichiers audio séquentiels. Ces fichiers peuvent être assemblés ou lus individuellement par l'utilisateur, offrant une expérience de lecture fluide et personnalisable selon le débit vocal choisi.

  • Conversion de romans entiers en fichiers audio séquentiels
  • Adaptation de la vitesse pour la compréhension de lecture

Articles de presse en format audio

Les articles de blog ou de presse peuvent être convertis à la demande. Cette approche réduit la charge éditoriale par rapport à l'enregistrement studio traditionnel, tout en garantissant que le contenu reste accessible aux utilisateurs ayant des difficultés de lecture prolongée.

  • Conversion à la demande pour les actualités
  • Réduction des coûts de production par rapport au studio

Manuels scolaires accessibles

Les manuels scolaires peuvent être transformés en audio pour accompagner la lecture visuelle. L'utilisation de voix claires comme 'Aria' ou 'Sage' assure une articulation précise, essentielle pour l'apprentissage des langues ou la compréhension de textes techniques complexes.

  • Support pour l'apprentissage des langues étrangères
  • Clarté vocale pour les textes techniques

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. LibriTTS-R corpus (OpenSLR 141)
  3. LibriTTS-R paper (arXiv 2305.18802)
  4. Python documentation
  5. openai-node on GitHub
  6. curl documentation
  7. FFmpeg documentation
  8. Tether (USDT)
  9. OpenAI API reference: create speech
  10. ISO 639 language codes
  11. Node.js documentation
  12. TRON developer hub: TRC-20

Plus sur ce site