Skip to main content
Le Speech-to-Speech (S2S) de Gradium traduit un audio parlé d’une langue vers un audio parlé dans une autre langue, sur un unique WebSocket duplex. L’audio d’entrée est transcrit, traduit dans la langue cible, puis resynthétisé en audio de sortie. Vous envoyez l’audio en streaming et recevez en retour, au fur et à mesure de leur production, l’audio de sortie synthétisé et la transcription traduite.

​
Modèle

Le seul modèle S2S actuellement pris en charge est la traduction en direct. Pour l’utiliser, envoyez un message setup avec model_name défini sur "s2s-translate", stt_model_name sur "stt-translate" et tts_model_name sur "default". Choisissez la langue cible avec target_language dans json_config, et la voix de sortie avec voice_id (obligatoire ; il doit s’agir d’une voix dans la langue cible).
Pour la liste complète des champs et des formats, consultez Paramètres Speech-to-Speech.

​
Étapes suivantes

Utiliser l'API WebSocket

Envoyez l’audio en streaming, recevez l’audio de sortie et la transcription, en temps réel ou en mode bufferisé.

Paramètres S2S

voice_id, target_language, choix des modèles internes, formats.

Référence du WebSocket S2S

Schéma complet au niveau du protocole : chaque type de message, chaque champ, chaque code d’erreur.

Voix

Choisissez la voix utilisée pour l’audio de sortie synthétisé.