> ## Documentation Index
> Fetch the complete documentation index at: https://docs.gradium.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Formats audio pour la téléphonie

> Utilisez le mu-law, le A-law et le PCM à basse fréquence d'échantillonnage avec les API vocales de Gradium

Les fournisseurs de téléphonie envoient généralement un audio mono 8 kHz
encodé en mu-law ou en A-law. Gradium prend directement en charge ces
formats pour le STT et peut produire une sortie TTS adaptée à la
téléphonie.

## Formats recommandés

| Cas d'usage | Format Gradium | Remarques |
| - | - | - |
| Audio RTC entrant vers le STT | `ulaw_8000` ou `alaw_8000` | Utilisez l'encodage envoyé par votre fournisseur de téléphonie. |
| PCM linéaire entrant vers le STT | `pcm_8000` ou `pcm_16000` | PCM mono 16 bits signé little-endian. |
| Audio sortant vers le RTC | `ulaw_8000` ou `alaw_8000` | Évitez si possible le rééchantillonnage dans votre passerelle de téléphonie. |
| Audio applicatif de meilleure qualité | `pcm_24000`, `pcm_48000`, `wav` ou `opus` | À utiliser en dehors des contraintes du RTC. |

## Configuration du STT WebSocket

```json theme={null}
{
  "type": "setup",
  "model_name": "default",
  "input_format": "ulaw_8000",
  "json_config": {"language": "en"}
}
```

Envoyez ensuite des payloads audio encodés en base64 :

```json theme={null}
{"type": "audio", "audio": "base64_encoded_ulaw_chunk"}
```

## Configuration du TTS WebSocket

```json theme={null}
{
  "type": "setup",
  "voice_id": "YTpq7expH9539ERJ",
  "output_format": "ulaw_8000"
}
```

Les messages `audio` contiennent des fragments mu-law encodés en base64,
que vous pouvez transmettre directement à un flux média de téléphonie.

## Taille des fragments

De nombreux flux média de téléphonie envoient des trames de 20 ms. Gradium
accepte les petits fragments, mais les regrouper par environ 80 ms peut
réduire le surcoût lié aux messages tout en conservant une faible latence :

| Format | Payload de 20 ms | Payload de 80 ms |
| - | -: | -: |
| `ulaw_8000` / `alaw_8000` | 160 octets | 640 octets |
| `pcm_8000` | 320 octets | 1280 octets |
| `pcm_16000` | 640 octets | 2560 octets |

## Checklist de la passerelle

* Conservez l'identifiant de flux/session du fournisseur dans vos propres
  logs.
* Utilisez une session STT Gradium par flux audio d'appelant.
* Définissez `input_format` en fonction des octets que vous transmettez
  réellement.
* Pour le TTS, demandez un format de sortie que votre fournisseur peut lire
  directement.
* Utilisez les messages `step` du STT ou la VAD de votre fournisseur pour
  décider quand envoyer le tour de parole de l'utilisateur à un agent.
* Fermez le WebSocket et démarrez une nouvelle session si le segment
  d'appel change de format.

## Voir aussi

<CardGroup cols={2}>
  <Card title="Transcription (STT) via WebSocket" icon="microphone" href="/fr/guides/speech-to-text">
    Transcription en temps réel avec VAD et flush.
  </Card>

  <Card title="Synthèse vocale (TTS) via WebSocket" icon="waveform-lines" href="/fr/guides/text-to-speech">
    Renvoyez l'audio généré en flux vers votre passerelle de téléphonie.
  </Card>
</CardGroup>


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.