Migrer depuis Deepgram

Conservez la forme actuelle de votre adaptateur : l’audio en entrée produit toujours des événements de transcription, et le texte en entrée produit toujours des octets ou des fragments audio. Basculez l’implémentation vers les endpoints Gradium, l’authentification x-api-key, les valeurs voice_id de Gradium et les types de messages Gradium. Pour la transcription en temps réel, Gradium ajoute la VAD sémantique, un délai adaptatif et une gestion explicite du flush pour la gestion des tours de parole.

Correspondance des endpoints

Flux	Intégration existante	Gradium
Transcription (STT) préenregistrée	`POST https://api.deepgram.com/v1/listen`	`POST https://api.gradium.ai/api/post/speech/asr`
Transcription (STT) en streaming	`wss://api.deepgram.com/v1/listen`	`wss://api.gradium.ai/api/speech/asr`
Synthèse vocale (TTS) en un appel	`POST https://api.deepgram.com/v1/speak`	`POST https://api.gradium.ai/api/post/speech/tts`
Synthèse vocale (TTS) en streaming	`wss://api.deepgram.com/v1/speak`	`wss://api.gradium.ai/api/speech/tts`

Correspondance de l’authentification

Authentification existante	Gradium
`Authorization: Token $DEEPGRAM_API_KEY`	`x-api-key: $GRADIUM_API_KEY`
`Authorization: Bearer <token>`	Les clients navigateur et mobiles doivent utiliser les tokens WebSocket temporaires de Gradium. Voir WebSockets dans le navigateur.
Clé API dans les en-têtes WebSocket	En-tête `x-api-key`, ou `?token=...` pour les tokens navigateur de courte durée.

Transcription Gradium en POST

Pour l’audio préenregistré, continuez d’envoyer les octets audio dans le corps de la requête et changez simplement l’URL. Gradium renvoie en flux des messages JSON délimités par des sauts de ligne.

Gradium

curl -L -X POST https://api.gradium.ai/api/post/speech/asr \
  --url-query 'json_config={"language":"en"}' \
  -H "x-api-key: $GRADIUM_API_KEY" \
  -H "Content-Type: audio/wav" \
  --data-binary @input.wav

La réponse de Gradium est au format NDJSON. Reconstituez la transcription en collectant les messages text, et associez-les aux messages end_text lorsque vous avez besoin des horodatages de fin de segment.

Transcription via WebSocket

Le protocole WebSocket direct de Gradium envoie l’audio dans des messages JSON avec des payloads en base64 :

Gradium messages

{"type":"setup","model_name":"default","input_format":"pcm","json_config":{"language":"en"}}
{"type":"audio","audio":"base64_encoded_audio"}
{"type":"end_of_stream"}

Concept STT existant	Message STT Gradium
Connexion WebSocket	Connexion à `wss://api.gradium.ai/api/speech/asr`
Paramètres de modèle et de langue	`setup.model_name`, `setup.json_config.language`
Trame audio	`{"type":"audio","audio":"base64_encoded_audio"}`
Résultat de transcription	`{"type":"text","text":"...","start_s":...}`
Horodatage de fin de segment	`{"type":"end_text","stop_s":...}`
Endpointing / signal de fin de tour	`step.vad[*].inactivity_prob`
Fermer / finaliser le flux	`{"type":"end_of_stream"}`
Forcer la sortie en attente	`{"type":"flush","flush_id":1}`

Définissez input_format en fonction de l’audio que vous envoyez : pcm, wav, opus, ulaw_8000, alaw_8000 ou un autre format pris en charge par Gradium.

Correspondance des fonctionnalités STT

Fonctionnalité existante	Équivalent Gradium	Remarque de migration
`model=nova-*`	`model_name: "default"`, sauf si un autre alias de modèle Gradium vous a été fourni	Les noms de modèles sont propres à chaque fournisseur.
`language=en-US`	`json_config: {"language": "en"}`	Gradium utilise des codes de langue courts : `en`, `fr`, `de`, `es`, `pt`. Définissez-le toujours ; passez `"any"` pour la détection automatique.
Événements de transcription intermédiaire	`text` en streaming, plus finalisation des segments via `end_text`	Gradium émet des segments de texte et des horodatages de fin séparés.
`speech_final` / `endpointing`	Messages `step` de la VAD sémantique	Utilisez les probabilités d’inactivité sur les différents horizons ; voir Gestion des tours de parole.
`utterance_end_ms`	Seuil de VAD plus `send_flush()`	Implémentez la politique de fin de tour dans votre application.
`encoding`, `sample_rate`	`input_format`, par exemple `pcm_16000`, `ulaw_8000`	Choisissez le format Gradium exact correspondant à vos octets audio.
`punctuate`, `smart_format`	Intégrés au comportement du modèle lorsque c’est disponible	Il n’existe pas d’option de requête équivalente.
`diarize`, canaux, alternatives	Pas d’équivalent public direct chez Gradium dans cette documentation	Conservez le code propre au fournisseur derrière un adaptateur si vous en dépendez.
Horodatages au niveau du mot	Horodatages au niveau du segment	Gradium documente actuellement des horodatages au niveau du segment.

Synthèse vocale Gradium en POST

Gradium utilise voice_id dans le corps JSON et renvoie des octets audio bruts lorsque only_audio vaut true : votre code existant d’écriture de fichier ou de lecture audio peut donc généralement rester inchangé.

Gradium

curl -L -X POST https://api.gradium.ai/api/post/speech/tts \
  -H "x-api-key: $GRADIUM_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Gradium.",
    "voice_id": "YTpq7expH9539ERJ",
    "output_format": "wav",
    "only_audio": true
  }' \
  > output.wav

Synthèse vocale via WebSocket

Pour la synthèse vocale en streaming, utilisez les messages Gradium setup, text et end_of_stream :

Comportement TTS existant	Message TTS Gradium
Envoyer du texte	`{"type":"text","text":"..."}` après `setup`
Forcer la génération à une frontière	Incluez `<flush>` dans un message `text` à une frontière naturelle
Terminer la génération	`{"type":"end_of_stream"}` pour une fin propre, ou fermez le socket pour interrompre
Trames de réponse binaires / audio	`{"type":"audio","audio":"base64..."}`
Réponse de métadonnées	Message `ready` plus `request_id`
Réponse d’avertissement	Message `error` pour les erreurs terminales ; validez le découpage et les limites dans votre application

Gradium messages

{"type":"setup","voice_id":"YTpq7expH9539ERJ","model_name":"default","output_format":"pcm"}
{"type":"text","text":"Hello from Gradium. <flush>"}
{"type":"end_of_stream"}

Correspondance des fonctionnalités TTS

Fonctionnalité existante	Équivalent Gradium	Remarque de migration
Speak REST `/v1/speak`	`POST /api/post/speech/tts`	Utilisez `only_audio: true` pour obtenir de l’audio brut en réponse.
Speak WebSocket `/v1/speak`	`wss://api.gradium.ai/api/speech/tts`	Envoyez `setup` avant le texte.
`model=aura-*`	`voice_id` plus `model_name` facultatif	Choisissez une voix Gradium dans la bibliothèque de voix ou l’une de vos voix personnalisées.
`encoding` / `sample_rate` de sortie	`output_format`	Utilisez `pcm`, `pcm_16000`, `ulaw_8000`, `wav`, `opus`, etc.
Commande `Flush`	Balise de texte `<flush>`	Utilisez le flush avec parcimonie, généralement à la fin d’une phrase ou d’une réponse du LLM.
Commande `Close`	`end_of_stream` ou fermeture du socket	Utilisez `end_of_stream` pour une fin propre.
Métadonnées TTS	`ready.request_id`, `ready.sample_rate`, `ready.frame_size`	Journalisez `request_id` pour le débogage.

Checklist de l’adaptateur

Remplacez les URL du fournisseur par les endpoints Gradium correspondants.
Passez l’authentification à x-api-key, ou utilisez des tokens adaptés au navigateur pour les applications clientes.
Pour la transcription, reportez les paramètres de requête dans setup et json_config.
Pour la transcription via WebSocket, encapsulez les octets audio dans des messages JSON en base64.
Pour la synthèse vocale, remplacez les noms de voix ou de modèles du fournisseur par un voice_id Gradium.
Pour la synthèse vocale via WebSocket, envoyez un message setup Gradium avant le texte.
Remplacez les champs de finalité du fournisseur par une gestion des messages Gradium end_text, step et flushed.
Conservez les fonctionnalités propres au fournisseur, comme la diarisation, derrière des vérifications de capacités dans l’adaptateur.

Étapes suivantes

Guide WebSocket STT de Gradium

Streaming audio en temps réel, VAD sémantique et flush.

Recette de gestion des tours de parole

Remplacez la logique d’endpointing et de speech-final par la VAD de Gradium.

Guide WebSocket TTS de Gradium

Synthèse vocale en streaming via WebSocket.

Cycle de vie WebSocket

Setup, ready, entrée, flush, fin, multiplexage et erreurs.

Premiers pas

Synthèse vocale (TTS)

Transcription (STT)

Speech-to-Speech

Commun

Recettes temps réel

Migrations

Voix

Auto-hébergé

Ressources

Migrer depuis Deepgram

Correspondance des endpoints

Correspondance de l’authentification

Transcription Gradium en POST

Transcription via WebSocket

Correspondance des fonctionnalités STT

Synthèse vocale Gradium en POST

Synthèse vocale via WebSocket

Correspondance des fonctionnalités TTS

Checklist de l’adaptateur

Étapes suivantes

Guide WebSocket STT de Gradium

Recette de gestion des tours de parole

Guide WebSocket TTS de Gradium

Cycle de vie WebSocket

​Correspondance des endpoints

​Correspondance de l’authentification

​Transcription Gradium en POST

​Transcription via WebSocket

​Correspondance des fonctionnalités STT

​Synthèse vocale Gradium en POST

​Synthèse vocale via WebSocket

​Correspondance des fonctionnalités TTS

​Checklist de l’adaptateur

​Étapes suivantes

Guide WebSocket STT de Gradium

Recette de gestion des tours de parole

Guide WebSocket TTS de Gradium

Cycle de vie WebSocket

Correspondance des endpoints

Correspondance de l’authentification

Transcription Gradium en POST

Transcription via WebSocket

Correspondance des fonctionnalités STT

Synthèse vocale Gradium en POST

Synthèse vocale via WebSocket

Correspondance des fonctionnalités TTS

Checklist de l’adaptateur

Étapes suivantes