Bêta publique de Gradium TTS
Un nouveau modèle de synthèse vocale Gradium est disponible en bêta publique. Il gère nativement les textes complexes, sans prétraitement ni normalisation de votre côté : numéros de téléphone aux formats national et international, adresses e-mail, IBAN, expressions horaires, codes de référence, mesures, URL et ordinaux.La bêta est disponible via l’API et dans Gradium Studio. Pour l’utiliser depuis l’API, définissez
model_name sur gradium-tts-beta dans votre message de configuration, aussi bien avec le SDK qu’avec l’API WebSocket. Vos voix existantes, y compris vos voix personnalisées, fonctionnent telles quelles. Sur l’API, le modèle de production actuel reste le modèle par défaut : rien ne change tant que vous n’activez pas la bêta.Consultez Installation et la configuration du WebSocket TTS pour démarrer. Toute personne qui envoie des retours pendant la bêta reçoit 1M de crédits Gradium.Nouveau modèle de transcription (STT)
Un nouveau modèle de transcription est désormais disponible sur l’endpoint standard. La transcription est plus robuste sur l’audio à faible volume : les locuteurs qui parlent doucement et les microphones éloignés sont reconnus de manière plus fiable. La détection de fin d’énoncé est plus réactive : la fin d’un énoncé est détectée plus tôt et les agents vocaux peuvent commencer à répondre avec moins de délai.Consultez Gestion des tours de parole pour utiliser les signaux de VAD sémantique afin de déterminer quand un locuteur a fini de parler.
Renforcement de mots-clés (keyword boosting) pour la transcription (STT)
Obtenez une transcription correcte du vocabulaire propre à votre produit : noms de marques et de produits, personnes, lieux, médicaments et jargon. Passez un dictionnaire des termes qui vous importent dans le
json_config de votre STT, et le modèle leur donne la priorité lors du décodage, en temps réel, sans réentraînement. Les mots rares et spécifiques, qu’un modèle généraliste voit rarement, sont désormais correctement transcrits.Le bloc keywords prend un dictionnaire words et un poids boost. boost s’applique dans l’espace des log-probabilités : son effet est donc exponentiel, et une petite valeur suffit largement. Nous recommandons un boost de 3. Un dictionnaire contient jusqu’à 500 entrées d’un seul token, avec une correspondance exacte sur la casse et les accents.Les dictionnaires peuvent aussi être enregistrés dans Gradium Studio sous Vocabulary, dans l’onglet Keyword boost, puis utilisés dans une session en passant leur id dans keyword_boost_id.Consultez la recette Renforcement de mots-clés et Réglages de la transcription pour plus de détails.