Guide des voix et formats pour la formation RH

Par L'équipe éditoriale VoixRH · Mis à jour 2026-11-19

Ce guide aide les équipes RH à sélectionner la voix parfaite pour leurs modules de e-learning. Vous y trouverez des conseils concrets pour choisir parmi huit voix distinctes, adapter le format audio à vos besoins de stockage ou de diffusion web, et optimiser la vitesse de lecture selon le profil de vos apprenants.

Destiné aux responsables formation et aux développeurs intégrateurs, ce document explique comment transformer vos supports textuels en narrations claires et engageantes. Vous découvrirez également les bonnes pratiques pour gérer les volumes, contrôler les coûts et intégrer l'API sans friction dans vos workflows existants.

Guide des voix et formats pour la formation RH

Questions fréquentes

Quelle voix choisir pour un module sérieux ?

Pour un ton sérieux et instructif, la voix Sage est idéale. Elle est calme et adaptée à l’enseignement. Pour un style neutre type actualités, privilégiez Atlas. Ces deux voix offrent une clarté narrative parfaite pour des modules de formation professionnelle sans distraire l’apprenant.

Peut-on mélanger deux voix dans un même fichier ?

Non, l’API génère un fichier audio par requête avec une seule voix. Pour mixer deux voix, vous devez effectuer deux requêtes séparées puis assembler les fichiers audio résultants avec un logiciel de montage externe. Le format de sortie ne permet pas le multi-voix natif.

Le format WAV est-il plus lourd ?

Oui, le WAV est non compressé, ce qui le rend plus volumineux que le MP3 ou l’OPUS. Il offre une qualité supérieure mais occupe plus d’espace. Pour vos supports e-learning, privilégiez le MP3 ou l’OPUS pour un meilleur compromis entre qualité audio et taille de fichier, facilitant ainsi le partage avec vos équipes.

Les voix changent-elles avec le temps ?

Non, les 8 voix sont des presets fixes basés sur des enregistrements licenciés. Elles ne changent pas automatiquement. Vous pouvez les modifier à tout moment via l’API en choisissant une autre voix pour vos prochaines générations de texte. La voix reste cohérente pour votre projet.

Y a-t-il des voix pour les enfants ?

Il n’y a pas de voix spécifiques pour les enfants dans la liste des 8 presets. Les voix sont adultes (Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion). Pour un ton plus jeune, Nova (dynamique) ou Luna (douce) peuvent convenir, mais ce ne sont pas des voix d’enfants.

La langue française est-elle bien supportée ?

Oui, le français est l’une des 23 langues supportées. Toutes les voix peuvent parler français avec précision. Assurez-vous simplement de définir le paramètre language sur fr dans votre requête API pour garantir une prononciation correcte, surtout si le texte contient des mots ambigus.

Peut-on ajouter des pauses ?

L’API ne supporte pas le SSML ni les balises de pause personnalisées. Les pauses sont déterminées par la ponctuation naturelle du texte (points, virgules). Vous pouvez ajuster la vitesse globale (0.25 à 4.0) pour ralentir ou accélérer la narration, mais pas insérer de silences précis.

Les voix sont-elles monotones ?

Les voix ont des caractéristiques distinctes : Aria est claire, Nova est dynamique, Luna est douce. Elles ne sont pas monotones mais offrent un ton constant. Contrairement à certaines solutions, il n’y a pas de tags d’émotion dynamiques. Le ton reste fixe pour chaque voix choisie.

Dois-je préciser la langue pour le français ?

Il est recommandé de préciser la langue. Bien que l’API devine souvent la langue, définir explicitement language: 'fr' garantit une prononciation optimale. Cela évite les erreurs si le texte contient des termes techniques ou des noms propres qui pourraient être lus avec un accent anglais par défaut.

Combien de voix par projet ?

Vous pouvez utiliser autant de voix que nécessaire. L’API propose 8 presets fixes. Vous choisissez la voix à chaque requête. Il n’y a pas de limite par projet. Vous pouvez ainsi alterner entre Sage pour les explications et Felix pour les annonces dynamiques dans une même formation.

Les voix sont-elles modifiables ?

Vous ne pouvez pas modifier la voix elle-même (pas de clonage personnalisé ni de design vocal). Vous pouvez uniquement ajuster la vitesse (0.25 à 4.0) et le format audio. Les 8 presets sont fixes. Pour un ton différent, changez simplement de voix dans votre requête API.

Y a-t-il une voix pour les annonces ?

Oui, Felix est conçu pour être énergique et idéal pour les promos ou annonces. Atlas convient aussi pour un ton neutre type information. Ces voix captent l’attention dans les modules de formation. Choisissez Felix pour un dynamisme marqué ou Atlas pour une annonce institutionnelle claire.

Le format OPUS est-il compatible ?

Oui, le format OPUS est supporté comme format de réponse. Il offre une bonne compression pour la diffusion web. Vous pouvez choisir OPUS, MP3, WAV, FLAC ou PCM selon vos besoins. OPUS est souvent préféré pour son efficacité de taille tout en maintenant une qualité audio correcte pour la voix.

Les voix sont-elles basées sur des humains ?

Oui, les voix proviennent d’enregistrements licenciés de LibriTTS-R (issu de LibriVox). Chaque fichier généré contient un filigrane inaudible indiquant qu’il s’agit de parole synthétique. Ce n’est pas un clonage personnalisé, mais une synthèse à partir de presets humains existants.

Peut-on utiliser les voix sans crédit ?

Oui, si vous avez un compte avec un solde positif ou une offre d’essai. L’essai gratuit offre 0,50 $ (environ 50 000 caractères) pendant 7 jours pour les comptes Google. Sans crédit, vous ne pouvez pas générer d’audio. Les requêtes échouées sont gratuites.

Y a-t-il une voix pour les formations techniques ?

Sage est recommandé pour les formations techniques grâce à son ton calme et instructif. Atlas convient aussi pour sa neutralité. Ces voix assurent une clarté narrative idéale pour expliquer des concepts complexes sans distraction. Évitez les voix plus dynamiques comme Nova ou Felix pour ce type de contenu.

Quelle vitesse est la plus naturelle ?

La vitesse par défaut (1.0) est généralement la plus naturelle. Vous pouvez ajuster entre 0.25 et 4.0 selon le besoin. Pour la e-learning, une vitesse légèrement réduite (ex: 0.9) peut améliorer la compréhension. Testez avec vos textes pour trouver le rythme optimal pour vos apprenants.

Les voix sont-elles stéréo ou mono ?

A: Les fichiers audio générés sont en mono. Cette configuration est optimale pour la synthèse vocale et garantit une compatibilité maximale avec tous les lecteurs et supports de e-learning. Le mono réduit également le poids des fichiers sans altérer la clarté de la voix, ce qui est idéal pour diffuser rapidement des formations à de larges équipes sans surcharger les réseaux.

Les 8 voix disponibles

Illustration d'onde sonore pour: Les 8 voix disponibles

Notre API propose huit voix standardisées, toutes capables de prononcer les 23 langues disponibles. Pour la e-learning, le choix de la voix influence directement la rétention des collaborateurs. Nous avons classé ces voix par tonalité pour vous aider à sélectionner celle qui convient le mieux à votre contenu.

Aria et Nova pour la clarté

Aria offre une narration claire et chaude, idéale pour les explications techniques ou les modules de formation détaillés. Sa voix est posée et facile à suivre sur la durée. Nova, plus lumineuse et dynamique, convient parfaitement aux présentations de produits ou aux annonces internes nécessitant un ton plus alerte et moderne.

  • Aria : narration chaleureuse et claire
  • Nova : ton lumineux et dynamique

Luna et Sage pour la douceur

Luna apporte une douceur naturelle, particulièrement adaptée aux histoires ou aux récits de formation narrative. Sage, avec son ton calme et instructif, est la voix par défaut pour les tutoriels pas-à-pas ou les rappels de procédures, où la clarté pédagogique prime sur l'enthousiasme.

  • Luna : douceur et narration
  • Sage : calme et instructif

Felix et Milo pour l'énergie

Felix est conçu pour l'énergie promotionnelle, parfait pour les vidéos de motivation ou les annonces de nouveaux avantages. Milo, avec son ton conversationnel et amical, simule une discussion directe entre collègues, idéale pour les messages de communication interne ou les vidéos d'intégration conviviales.

  • Felix : énergie promotionnelle
  • Milo : conversation amicale

Voix masculines vs féminines

Illustration d'onde sonore pour: Voix masculines vs féminines

Le choix entre voix masculines et féminines dépend du ton souhaité pour vos modules de formation. Aria, Nova, Luna et Sage offrent des nuances claires ou douces, tandis qu'Atlas et Orion apportent une autorité distincte adaptée à des contextes spécifiques comme les nouvelles internes ou les documentaires narratifs.

Atlas pour les nouvelles

Atlas est une voix masculine neutre, idéale pour les annonces internes ou les bulletins d'information. Sa tonalité directe facilite la compréhension rapide des informations critiques pour les grandes équipes.

Orion pour les documentaires

Avec une voix plus profonde, Orion convient parfaitement aux récits longs ou aux formations narratives. Il apporte une gravité et une clarté narratives qui maintiennent l'attention des apprenants sur des contenus denses.

Mixage des voix

Vous pouvez utiliser plusieurs voix dans un même projet pour varier les tons et éviter la monotonie, en générant des fichiers audio séparés que vous assemblerez ensuite. Chaque voix reste compatible avec les 23 langues supportées, permettant une cohérence linguatique tout en offrant de la diversité sonore.

Choix des formats audio

Illustration d'onde sonore pour: Choix des formats audio

Le format audio influence directement la compatibilité de vos modules e-learning et leur poids. Le choix dépend de l’usage final : diffusion web, archivage interne ou production audio.

Chaque format répond à un besoin technique précis, garantissant une expérience fluide pour les collaborateurs sans surcharger les serveurs ou les appareils mobiles.

MP3 pour le web mobile

Le MP3 est le format standard pour la diffusion en ligne. Il offre un excellent compromis entre qualité et taille de fichier, idéal pour les supports e-learning consultés sur smartphone ou tablette en connexion variable.

  • Supporté par tous les navigateurs et lecteurs e-learning
  • Taille de fichier réduite pour des temps de chargement rapides
  • Idéal pour la diffusion mobile et les connexions lentes

WAV pour les archives

Le format WAV conserve l’intégralité des données audio sans compression. Il est recommandé pour l’archivage à long terme ou pour les productions nécessitant une modification ultérieure sans perte de qualité.

Conserve la fidélité originale du fichier généré par l’API.

  • Qualité brute sans compression
  • Parfait pour l’archivage et le traitement ultérieur
  • Taille de fichier plus élevée que le MP3

FLAC pour la qualité

Le FLAC offre une compression sans perte, supérieure au MP3 tout en restant plus léger que le WAV. Il est adapté aux projets exigeant une haute fidélité audio tout en occupant moins d'espace que le WAV.

Idéal pour les bibliothèques audio internes où la qualité prime sur le poids immédiat.

  • Compression sans perte de qualité
  • Taille inférieure au WAV pour une qualité identique
  • Recommandé pour les archives haute fidélité

Adaptation aux langues

Illustration d'onde sonore pour: Adaptation aux langues

La synthèse vocale s'adapte à vos équipes multilingues grâce à un support étendu de 23 langues, couvrant les marchés clés comme l'anglais, l'espagnol, le français, l'allemand, le chinois et le japonais. Chaque voix est capable de prononcer n'importe quelle langue de cette liste avec une fluidité naturelle, idéal pour la formation de collaborateurs internationaux sans multiplier les choix de voix.

Vous n'avez pas besoin de choisir une voix spécifique à une langue ; la même voix peut gérer des modules en français ou en allemand. Cela simplifie la gestion des profils audio dans vos modules e-learning tout en garantissant une expérience utilisateur cohérente pour vos équipes.

23 langues supportées

Le système prend en charge l'arabe, le chinois, le danois, le néerlandais, l'anglais, le finnois, le français, l'allemand, le grec, l'hébreu, l'hindi, l'italien, le japonais, le coréen, le malais, le norvégien, le polonais, le portugais, le russe, l'espagnol, le swahili, le suédois et le turc. Les langues non supportées incluent le vietnamien, l'indonésien, le thaï, l'ukrainien, le roumain, le tchèque et le bengali.

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

Voix universelles

Les huit voix disponibles (Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion) sont universelles. Chacune peut prononcer l'une des 23 langues supportées sans changement de modèle. Cette polyvalence permet de maintenir un style narratif constant sur tous vos supports de formation, quelle que soit la langue cible.

Détection de langue

Si le paramètre language n'est pas fourni, le système devine la langue à partir du script. Pour le texte en caractères latins hors anglais, il est recommandé de définir explicitement le code ISO pour éviter les erreurs de prononciation. Cette détection automatique simplifie les intégrations rapides pour des contenus principalement en anglais.

Vitesse de lecture idéale

Illustration d'onde sonore pour: Vitesse de lecture idéale

La vitesse par défaut (1.0) offre un rythme naturel, idéal pour l’apprentissage et la rétention des informations complexes. C’est le choix recommandé pour la majorité des modules de formation, garantissant une écoute confortable sans effort excessif.

Vitesse normale pour la formation

Un débit de 1.0 correspond à un rythme de parole standard, proche de celui d’un formateur en présentiel. Cette vitesse minimise la charge cognitive et permet aux collaborateurs de se concentrer pleinement sur le contenu pédagogique sans devoir relire plusieurs fois.

Accélération pour les rappels

Pour les communications courtes comme les mises à jour réglementaires ou les rappels rapides, augmenter la vitesse jusqu’à 2.0 ou 3.0 permet de gagner du temps. Les utilisateurs peuvent absorber l’information essentielle plus rapidement, ce qui est idéal pour les formats audio courts.

Ralentissement pour les débutants

Réduire la vitesse à 0.75 ou 0.5 est utile pour les nouveaux venus ou lors de l’acquisition de terminologie technique spécifique. Un débit plus lent facilite la compréhension des détails et aide les apprenants à s’habituer aux nouveaux processus ou outils.

Qualité et authenticité

Illustration d'onde sonore pour: Qualité et authenticité

La qualité audio repose sur des enregistrements licenciés issus de LibriTTS-R, issu de lectures publiques de LibriVox sous licence CC BY 4.0. Chaque voix offre une clarté professionnelle idéale pour la transmission d'informations complexes en entreprise.

Voix basées sur LibriVox

Les huit voix sont générées à partir d'enregistrements licenciés de LibriTTS-R.

Watermark synthétique

Chaque fichier audio généré contient un filigrane inaudible. Ce marqueur certifie que le contenu est une synthèse vocale artificielle, assurant une transparence claire pour vos collaborateurs et vos auditeurs.

Pas de clonage personnalisé

Nous ne proposons pas de clonage vocal personnalisé ni d'upload de voix propres. Vous choisissez parmi nos huit presets standardisés. Cela simplifie la gestion et garantit une cohérence sonore uniforme sur l'ensemble de vos modules de formation.

Exemples de scripts par voix

Illustration d'onde sonore pour: Exemples de scripts par voix

La voix choisie influence directement l'assimilation des modules de e-learning. Voici comment structurer vos scripts pour tirer parti des 8 presets disponibles, en alignant le ton du contenu textuel avec la personnalité vocale.

Ces exemples illustrent l'application concrète des voix pour des scénarios RH courants, optimisant la clarté et l'engagement sans surcharge cognitive.

Module de bienvenue

Utilisez Aria (voix féminine, narratrice chaleureuse) pour introduire les nouveaux arrivants. Son ton clair et naturel rend l'accueil personnel et rassurant, idéal pour les vidéos d'intégration courte.

Exemple de script : 'Bienvenue dans l'équipe. Nous sommes ravis de vous compter parmi nous. Ce module vous guidera à travers les premières étapes de votre intégration.'

  • Voix recommandée : Aria
  • Durée cible : 30-60 secondes
  • Ton : Chaleureux et inclusif

Règlement intérieur

Pour les textes normatifs ou les procédures, privilégiez Sage (voix féminine, calme et instructional). Sa voix neutre et posée facilite la lecture de paragraphes denses sans fatiguer l'auditeur.

Exemple de script : 'Le temps de travail est de 35 heures par semaine. Les horaires de bureau sont de 9h à 18h, avec une pause déjeuner de 12h à 13h.'

  • Voix recommandée : Sage
  • Format : MP3 léger
  • Usage : Modules de conformité

Présentation produit

Pour les pitchs ou les rappels commerciaux, Felix (voix masculine, énergique) ou Milo (voix masculine, conversationnelle) captent l'attention. Leur dynamisme convient aux supports de vente interne ou de lancement de feature.

Exemple de script : 'Découvrez notre nouveau logiciel de gestion. Plus rapide, plus intuitif. Passez à l'action dès aujourd'hui pour optimiser vos équipes.'

  • Voix recommandées : Felix ou Milo
  • Vitesse : 1.0 à 1.2x
  • Ton : Dynamique et directif
Exemples de scripts par voix

Intégration technique

Illustration d'onde sonore pour: Intégration technique

L'intégration de l'API VoixRH s'effectue via des standards reconnus, facilitant l'adoption par vos équipes techniques sans apprentissage supplémentaire. Vous pouvez utiliser les SDK OpenAI existants en modifiant simplement l'URL de base, ou effectuer des appels directs via cURL pour une flexibilité maximale.

Cette approche garantit une compatibilité immédiate avec vos infrastructures existantes et simplifie la gestion des clés API pour vos développeurs.

SDK OpenAI

Utilisez le SDK OpenAI officiel en pointant la base_url vers https://api.g111.info/v1. La structure de la requête JSON reste identique à celle de l'endpoint de parole d'OpenAI, ce qui permet une migration rapide de vos scripts Python ou Node.js existants.

Assurez-vous d'envoyer votre clé API dans l'en-tête Authorization: Bearer tts-... pour authentifier vos requêtes.

  • Modifier uniquement la base_url
  • Conserver la structure JSON standard
  • Utiliser les clients Python ou Node.js officiels

Appels cURL

Pour les tests rapides ou les intégrations légères, envoyez une requête POST au endpoint /v1/audio/speech avec le corps JSON contenant model, input, voice et response_format. Le fichier audio généré est retourné directement dans la réponse.

Exemple : `curl -X POST https://api.g111.info/v1/audio/speech -H "Authorization: Bearer tts-..." -d '{"model": "tts-1", "voice": "nova", "input": "Bienvenue dans la formation."}'`

  • Endpoint : POST /v1/audio/speech
  • En-tête : Authorization Bearer
  • Format de réponse : audio binaire

Gestion des erreurs

Si la synthèse échoue, le solde est conservé (la charge est annulée). Surveillez les codes d'erreur HTTP standards pour ajuster vos logs ou déclencher des alertes dans votre pipeline CI/CD.

En cas de charge élevée, les requêtes peuvent mettre du temps à être traitées en file d'attente ; prévoyez des timeouts adaptés dans votre code.

  • Requêtes échouées = 0,00 €
  • File d'attente possible sous charge
  • Surveiller les codes HTTP 4xx/5xx

Gestion des volumes

Illustration d'onde sonore pour: Gestion des volumes

Pour les formations RH, la gestion des volumes repose sur une segmentation intelligente. Le texte est découpé en segments de 4096 caractères maximum, puis les fichiers audio sont jointes automatiquement. Cela permet de traiter de longs modules sans surcharger l'API.

Découpe automatique

Le système divise le texte en parties de 4096 caractères. Les fichiers audio générés sont ensuite assemblés pour former une narration continue. Cette approche garantit une compatibilité optimale avec les liseuses et plateformes e-learning.

File d'attente

Les requêtes sont traitées séquentiellement. En cas de charge, une demande peut attendre dans la file. La vitesse est proche du temps réel, soit environ 25 caractères par seconde de texte généré.

Monitoring des requêtes

Vous disposez de 60 requêtes par minute par clé. Avant le premier rechargement, cette limite est de 10 requêtes par minute. Le tableau de bord affiche le solde et l'historique pour anticiper les pics de production.

  • Limite standard : 60 requêtes/minute
  • Limite initiale : 10 requêtes/minute
  • Suivi du solde en temps réel

Coût par type de contenu

Illustration d'onde sonore pour: Coût par type de contenu

Le coût de votre formation dépend directement du volume de texte à synthétiser. Tarifié à 0,01 $ par 1 000 caractères, le prix est fixe quel que soit le format choisi. Une erreur de synthèse est intégralement remboursée, garantissant que vous ne payez que pour les fichiers audio générés avec succès.

Format court vs long

Pour des modules courts, la latence peut être perçue car la génération prend quelques secondes. Pour les contenus longs, le texte doit être découpé en segments de 4 096 caractères. Chaque segment génère une requête distincte, ce qui multiplie le nombre de demandes mais reste proportionnel au volume de texte total.

  • Comptez environ 25 caractères traités par seconde pour un texte long.

Vitesse et coût

La vitesse de lecture (de 0,25x à 4,0x) n'affecte pas le prix au caractère. Accélérer la voix réduit le temps d'écoute pour l'utilisateur, mais le nombre de caractères facturés reste identique. Vous payez pour la quantité de texte, pas pour la durée de lecture finale.

Formats et coût

Le format audio (MP3, WAV, FLAC, etc.) n'influence pas le tarif. Que vous choisissiez un MP3 compressé pour le web mobile ou un WAV sans perte pour vos archives internes, le coût reste de 10 $ par million de caractères. Sélectionnez le format selon vos besoins de compatibilité, sans surcoût.

Bonnes pratiques

Illustration d'onde sonore pour: Bonnes pratiques

Pour garantir une narration fluide dans vos modules e-learning, privilégiez des phrases courtes et une ponctuation explicite. L'API détermine la pause naturelle entre les mots grâce aux signes de ponctuation ; une virgule ou un point simplifie la lecture pour vos collaborateurs.

Évitez les abréviations complexes ou les symboles non standards qui pourraient perturber la synthèse. Un texte épuré, sans jargon interne non défini, assure une compréhension immédiate, quel que soit le niveau de formation des apprenants.

Texte simple et clair

Structurez vos scripts avec des phrases de moins de 20 mots si possible. La clarté du texte se reflète directement dans la naturalité de la voix générée, réduisant les pauses artificielles.

  • Utilisez des phrases courtes pour une respiration naturelle.
  • Privilégiez la voix Aria ou Sage pour les instructions techniques.

Éviter les abréviations

Écrivez "kilomètre" plutôt que "km", ou "euro" plutôt que "€", pour éviter toute ambiguïté de prononciation. L'API ne devine pas toujours le contexte des symboles.

Vérifiez les acronymes spécifiques à votre entreprise. Si un sigle n'est pas standard, épellez-le ou écrivez-le en toutes lettres pour garantir une prononciation correcte.

  • Remplacer les symboles par leur équivalent écrit.
  • Épeler les acronymes internes complexes.

Tester avant production

Utilisez la limite de 4096 caractères par requête pour tester des extraits de votre contenu avant le déploiement massif.

Vérifiez la vitesse de lecture (paramètre speed) avec vos voix préférées. Une vitesse légèrement réduite (0.8–0.9) peut améliorer la compréhension pour les formations complexes.

Comparez les formats audio pour votre LMS. Le MP3 est souvent le plus compatible, mais le WAV offre une qualité supérieure pour les archives internes.

  • Tester différentes vitesses pour valider le confort d'écoute.
  • Vérifier la compatibilité du format avec votre plateforme LMS.

Support et assistance

Illustration d'onde sonore pour: Support et assistance

Vous disposez d’une documentation technique complète pour comprendre les endpoints, les formats de réponse et les codes d’erreur. Cette ressource centralise les informations nécessaires à une intégration fluide de l’API dans vos outils de e-learning existants.

Pour toute question spécifique ou problème non résolu via les docs, notre support est assuré exclusivement par email. Nous traitons les demandes sans garantie de délai immédiat, mais avec précision.

Documentation technique

La section /docs/ détaille l’ensemble des paramètres de requête, des voix disponibles et des formats audio supportés. Elle inclut des exemples cURL prêts à l’emploi et explique le format JSON attendu pour les synthèses vocales.

  • Guide des endpoints REST
  • Exemples de requêtes JSON
  • Tableau des codes d'erreur

Contact par email

Toutes les interactions de support se font par email. Aucune numéro de téléphone ni chat en direct n’est disponible. Envoyez-nous vos questions ou retours d’expérience, et nous vous répondrons dès que possible.

Mises à jour de l'API

Les évolutions de l’API, comme l’ajout de nouvelles voix ou la modification des endpoints, sont documentées ici. Restez informé des changements qui pourraient affecter vos intégrations de génération audio.

Écoutez les 8 voix

Chaque échantillon ci-dessous a été généré par cette API à partir de la même phrase. La clarté du texte se reflète directement dans la naturalité de la voix générée, réduisant les pauses artificielles.

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. TRON developer hub: TRC-20
  3. FFmpeg documentation
  4. IETF RFC 7845: Ogg Opus
  5. MDN: Web Speech API
  6. Creative Commons Attribution 4.0
  7. openai-node on GitHub
  8. OpenAI API reference: create speech
  9. LibriTTS-R paper (arXiv 2305.18802)
  10. openai-python on GitHub
  11. Python documentation
  12. W3C WAI: making audio and video accessible

Plus sur ce site