Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Paramètres de requête TTS

Lektion 2 av 14 Uppdaterad 3 november 2026 Utvecklare
På denna sida
  1. Affine ta synthèse vocale
  2. Le paramètre text
  3. Le paramètre voice_id
  4. Le paramètre language
  5. Le paramètre output_format
  6. Le paramètre speed
  7. Combinaisons recommandées
  8. Viktiga punkter

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 repose sur 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 vaut eve par défaut. Les identifiants ne sont pas sensibles à 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 enjouée, 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 basé sur le 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 :

CodeLangueCodeLangue
enAnglaiskoCoréen
frFrançaishiHindi
deAllemandbnBengali
es-ESEspagnol (Espagne)ar-EGArabe (Égypte)
es-MXEspagnol (Mexique)ar-SAArabe (Arabie saoudite)
pt-BRPortugais (Brésil)ar-AEArabe (Émirats arabes unis)
pt-PTPortugais (Portugal)trTurc
itItalienidIndonésien
ruRusseviVietnamien
zhChinoisjaJaponais

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) : un format compressé, idéal pour le web et le streaming
  • wav : un format sans perte, meilleure qualité mais fichiers plus volumineux
  • pcm : audio brut sans en-tête, pour les pipelines de traitement
  • mulaw / ulaw : le codec G.711 mu-law pour la téléphonie
  • alaw : le 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 (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’usagecodecsample_ratebit_rate
Web / streamingmp324000128000
Production audiowav48000—
Téléphonie VoIPmulaw8000—
Pipeline MLpcm16000—

Viktiga punkter

  • text et language sont les seuls paramètres obligatoires
  • voice_id est facultatif (par défaut : eve) et insensible à la casse
  • output_format contrôle le codec, la fréquence d’échantillonnage et le débit binaire ; speed définit 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 mulaw ou alaw à 8 kHz