Synthèse vocale (REST)

Utilisez l’endpoint REST lorsque vous disposez d’un bloc de texte complet et voulez une seule requête HTTP, sans WebSocket à gérer. La réponse peut être soit les octets audio bruts (pour écrire directement un fichier), soit un flux JSON qui reprend le protocole WebSocket.

Besoin de streaming ?

Pour une synthèse à faible latence de textes longs ou générés, la synthèse vocale en streaming via le SDK vous fournit les fragments audio au fur et à mesure de leur production.

Démarrage rapide

only_audio=true renvoie directement les octets audio bruts : c’est le plus simple pour un usage « texte en entrée, fichier en sortie ».

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

import requests

resp = requests.post(
    "https://api.gradium.ai/api/post/speech/tts",
    json={
        "text": "Hello, world!",
        "voice_id": "YTpq7expH9539ERJ",
        "output_format": "wav",
        "only_audio": True,
    },
    headers={"x-api-key": "your_api_key"},
)
resp.raise_for_status()
with open("output.wav", "wb") as f:
    f.write(resp.content)

Pour choisir un modèle, ajoutez model_name au premier niveau du corps JSON. Si vous l’omettez, default est utilisé, ce qui sélectionne le dernier modèle TTS de production. Voir Choix du modèle.

Modes de réponse

Le champ only_audio du corps de la requête détermine l’une des deux formes de réponse :

only_audio: true : le corps de la réponse est l’audio brut dans le output_format demandé (WAV, PCM, Opus, …). Enregistrez-le directement dans un fichier ou envoyez-le vers un lecteur. Le Content-Type reflète le format (audio/wav, audio/ogg, audio/pcm).
only_audio: false (ou omis) : la réponse est un flux JSON qui utilise le même format de message que l’endpoint WebSocket, avec notamment audio (base64), text (avec horodatages) et error. Lisez le corps ligne par ligne jusqu’à sa fermeture.

Lire la réponse JSON en streaming

Passez only_audio: false et lisez le corps au fur et à mesure de son arrivée. Avec cURL, l’option -N (--no-buffer) affiche chaque ligne dès que le serveur l’envoie.

curl -N -L -X POST https://api.gradium.ai/api/post/speech/tts \
  -H "x-api-key: your_api_key" \
  -H "Content-Type: application/json" \
  -d '{"text": "Hello, world!", "voice_id": "YTpq7expH9539ERJ", "output_format": "wav", "only_audio": false}'

import base64
import json

import requests

audio_chunks = []
text_segments = []

with requests.post(
    "https://api.gradium.ai/api/post/speech/tts",
    json={
        "text": "Hello, world!",
        "voice_id": "YTpq7expH9539ERJ",
        "output_format": "wav",
        "only_audio": False,
    },
    headers={"x-api-key": "your_api_key"},
    stream=True,
) as resp:
    resp.raise_for_status()
    for line in resp.iter_lines(decode_unicode=True):
        if not line:
            continue
        msg = json.loads(line)
        if msg["type"] == "audio":
            audio_chunks.append(base64.b64decode(msg["audio"]))
        elif msg["type"] == "text":
            text_segments.append(msg)

with open("output.wav", "wb") as f:
    f.write(b"".join(audio_chunks))

Pour le schéma complet de la requête, les formats de sortie pris en charge et la forme des erreurs, consultez la référence de l’endpoint TTS POST.

Premiers pas

Synthèse vocale (TTS)

Transcription (STT)

Speech-to-Speech

Commun

Recettes temps réel

Migrations

Voix

Auto-hébergé

Ressources

Synthèse vocale (REST)

Besoin de streaming ?

Démarrage rapide

Modes de réponse

Lire la réponse JSON en streaming

Étapes suivantes

Référence API TTS POST

Streaming avec le SDK

Besoin de streaming ?

​Démarrage rapide

​Modes de réponse

​Lire la réponse JSON en streaming

​Étapes suivantes

Référence API TTS POST

Streaming avec le SDK

Démarrage rapide

Modes de réponse

Lire la réponse JSON en streaming

Étapes suivantes