Paramètres de requête TTS
Šajā lapā
Mis à jour le 3 novembre 2026, sur la base de la page Text to Speech de xAI et de la référence de l’API Voice. Sources : Text to Speech · Voice API.
Affine ta synthèse vocale
Le point de terminaison POST /v1/tts s’articule autour de quatre paramètres principaux dans le corps de la requête JSON, plus quelques options facultatives. Chacun d’eux t’offre un contrôle précis sur l’audio généré, et leur compréhension te permet d’adapter la synthèse à ton cas d’usage.
Le paramètre text
Avec language, text est le seul paramètre obligatoire. Il accepte une chaîne pouvant contenir jusqu’à 60 000 caractères, incluant du texte brut ou des balises expressives (traitées dans la section suivante).
{
"text": "Hello and welcome. Today, we're going to talk about artificial intelligence."
}
Au-delà de 60 000 caractères, la requête HTTP est rejetée. Pour des textes plus longs, xAI recommande d’utiliser WebSocket, qui n’impose aucune limite de longueur totale (leçons 9 à 12), ou de découper le texte en segments dont tu concatènes ensuite les fichiers audio. Effectue ces coupures à des frontières naturelles (fin de phrases, fin de paragraphes) pour un résultat fluide.
Le paramètre voice_id
Ce paramètre définit la voix utilisée pour la synthèse. Il est facultatif et sa valeur par défaut est eve. Les identifiants ne distinguent pas la casse : Eve, EVE et eve sont équivalents.
xAI propose 28 voix intégrées (au 3 novembre 2026), les mêmes que pour l’agent vocal, auxquelles s’ajoutent les voix personnalisées créées via l’API Custom Voices. Voici les cinq voix originales telles que décrites par xAI :
- eve : énergique et enthousiaste, accent britannique
- ara : chaleureuse et amicale
- rex : confiante et claire
- sal : douce et équilibrée
- leo : autoritaire et puissante, accent britannique
Les 23 autres (carina, zagan, helix, orion, luna, iris, altair, zenith, perseus, helios, lux, kepler, rigel, cosmo, celeste, ursa, sirius, lumen, castor, naksh, atlas, aurora et liora) sont décrites, avec leurs cas d’usage, sur la page Text to Speech de xAI ; GET /v1/tts/voices renvoie la liste actuelle (leçon 3).
{
"text": "Welcome to this tutorial.",
"voice_id": "rex",
"language": "en"
}
Selon xAI, chaque voix parle toutes les langues prises en charge. Ton choix de voix n’influe pas sur le prix, qui est calculé en fonction du nombre de caractères.
Le paramètre language
Ce paramètre est obligatoire. Il accepte un code BCP-47 ou la valeur spéciale auto pour une détection automatique de la langue.
Les 20 langues prises en charge sont :
| Code | Langue | Code | Langue |
|---|---|---|---|
en | Anglais | ko | Coréen |
fr | Français | hi | Hindi |
de | Allemand | bn | Bengali |
es-ES | Espagnol (Espagne) | ar-EG | Arabe (Égypte) |
es-MX | Espagnol (Mexique) | ar-SA | Arabe (Arabie saoudite) |
pt-BR | Portugais (Brésil) | ar-AE | Arabe (Émirats arabes unis) |
pt-PT | Portugais (Portugal) | tr | Turc |
it | Italien | id | Indonésien |
ru | Russe | vi | Vietnamien |
zh | Chinois | ja | Japonais |
La détection automatique (auto) fonctionne bien pour les textes monolingues, mais pour les textes mélangeant plusieurs langues, indique explicitement la langue principale.
Le paramètre output_format
Ce paramètre facultatif est un objet JSON qui contrôle le format de sortie audio. Il comporte trois sous-paramètres.
codec
Le codec définit le format d’encodage :
mp3(par défaut) : format compressé, idéal pour le web et le streamingwav: format sans perte, meilleure qualité mais fichiers plus volumineuxpcm: audio brut sans en-tête, pour les pipelines de traitementmulaw/ulaw: codec G.711 mu-law pour la téléphoniealaw: codec G.711 A-law pour la téléphonie
sample_rate
La fréquence d’échantillonnage en hertz. Valeurs acceptées : 8000, 16000, 22050, 24000 (par défaut), 44100, 48000.
bit_rate
Le débit binaire en bits par seconde, uniquement pour le codec MP3. Valeurs acceptées : 32000, 64000, 96000, 128000 (par défaut), 192000.
{
"text": "High-quality audio for production.",
"voice_id": "ara",
"language": "en",
"output_format": {
"codec": "wav",
"sample_rate": 48000
}
}
Le paramètre speed
speed définit la vitesse de lecture : 1.0 correspond à la vitesse normale (valeur par défaut), et la plage s’étend de 0.7 à 1.5. Un rythme légèrement plus lent aide pour les contenus éducatifs denses ; au-dessus de 1.2, écoute toujours le résultat une seconde fois.
Combinaisons recommandées
| Cas d’usage | codec | sample_rate | bit_rate |
|---|---|---|---|
| Web / streaming | mp3 | 24000 | 128000 |
| Production audio | wav | 48000 | — |
| Téléphonie VoIP | mulaw | 8000 | — |
| Pipeline ML | pcm | 16000 | — |
Galvenās atziņas
textetlanguagesont les seuls paramètres obligatoiresvoice_idest facultatif (par défaut :eve) et ne distingue pas la casseoutput_formatcontrôle le codec, la fréquence d’échantillonnage et le débit binaire ;speeddéfinit la vitesse (de 0,7 à 1,5)- Le MP3 à 24 kHz / 128 kbps offre un bon équilibre par défaut entre qualité et taille
- Pour la téléphonie, utilise
mulawoualawà 8 kHz