Durée des sessions
Une session TTS ou STT peut durer jusqu’à 3000 secondes. Cette limite s’applique aussi bien au transport WebSocket qu’au transport REST POST. Pour générer ou transcrire un contenu plus long, répartissez-le sur plusieurs sessions :- TTS : découpez le texte aux limites de phrases et démarrez une nouvelle
session pour chaque fragment (ou ouvrez un nouveau WebSocket et envoyez un
nouveau
setup). - STT : découpez l’audio au niveau des silences et soumettez chaque segment dans une requête distincte.
Formats audio pris en charge
Formats de sortie TTS
output_format accepte :
wav: WAV à 48 kHz, 16 bits signé, mono.pcm: PCM brut à 48 kHz, 16 bits signé, mono, en fragments de 3840 échantillons (80 ms).opus: Opus encapsulé dans un conteneur Ogg.- Variantes PCM à fréquence d’échantillonnage inférieure ou supérieure :
pcm_8000,pcm_16000,pcm_22050,pcm_24000,pcm_44100,pcm_48000. - Téléphonie :
ulaw_8000(aliasmulaw_8000) etalaw_8000.
Formats d’entrée STT
Pour le WebSocket STT (champinput_format du setup) et l’API REST STT
(en-tête Content-Type ou paramètre de requête input_format), les formats
pris en charge sont :
- WAV contenant des données PCM, 16/24/32 bits (
audio/wav,input_format: "wav"). - PCM brut, 16 bits signé little-endian, mono. La valeur simple
"pcm"correspond par défaut à 24 kHz ; les fréquences explicites"pcm_8000","pcm_16000","pcm_22050","pcm_24000","pcm_44100","pcm_48000"sont aussi acceptées (audio/pcmpour leContent-TypeREST). - Opus encapsulé dans un conteneur Ogg (
audio/oggouaudio/opus,input_format: "opus"). - Téléphonie : PCM encodé en mu-law (
"ulaw_8000"/"mulaw_8000") ou en A-law ("alaw_8000") à 8 kHz.
Voice Design
Voir Voice Design.