Paramètres de voix

Les modèles TTS acceptent des options avancées via le paramètre json_config. Dans le SDK Python, il s’agit d’un dict associant chaque nom d’option à sa valeur (float ou chaîne). Pour les requêtes REST POST, passez-le comme objet dans le corps JSON. Ces options s’appliquent aux deux transports, WebSocket et REST. Pour le STT, voir Réglages de la transcription.

Obsolète : cfg_coef pour le TTSLe nouveau modèle TTS accepte cfg_coef dans json_config mais ignore sa valeur. Retirez-le de vos requêtes TTS. Le paramètre cfg_scale de Voice Design est un réglage de génération distinct et reste disponible.

Référence rapide

La plage est l’intervalle sur lequel chaque option est réglée et testée.

Paramètre	Plage	Défaut	Effet
`temp`	`0.0`–`1.4`	`0.7`	Température d’échantillonnage. `0.0` est déterministe ; des valeurs plus élevées produisent une sortie plus variée.
`padding_bonus`	`-4.0`–`4.0`	`0.0`	Vitesse d’élocution. Les valeurs négatives accélèrent, les valeurs positives ralentissent.
`rewrite_rules`	chaîne	langue de la voix	Règles de réécriture du texte appliquées avant la synthèse. Par défaut, celles de la langue de la voix ; passez `"none"` pour les désactiver. Voir Règles de réécriture du texte.

La validation accepte un intervalle plus large que le tableau : temp jusqu’à 1.5, padding_bonus de -5.0 à 5.0. Utilisez les plages du tableau pour vos réglages.

Pour une sortie déterministe, définissez temp à 0.0. Pour enchaîner plusieurs énoncés dans une même session, voir Multiplexage. Pour les voix conçues avec Voice Design, voir aussi les paramètres de Voice Design. Le moteur TTS reconnaît les balises <flush> et <break time="..." /> décrites dans Synthèse vocale (TTS).

Champs de setup, hors `json_config`

Deux options par requête se définissent au premier niveau du message de setup, à côté de voice_id, et non dans json_config :

Champ	Type	Effet
`pronunciation_id`	string	ID d’un dictionnaire de prononciation, appliqué à toute la session. Voir Prononciations.
`model_name`	string	Alias du modèle de synthèse. `default` par défaut. Voir Choix du modèle.

pronunciation_id se place à côté de voice_id, au premier niveau du setup. Un ID inexistant est signalé par Pronunciation dictionary <id> not found.

Les dictionnaires de prononciation s’appliquent uniquement aux sessions WebSocket. Les requêtes REST ne peuvent pas les utiliser ; les rewrite_rules à base de motifs dans json_config sont alors le seul moyen de contrôler la réécriture. Voir Règles de réécriture du texte.

# pronunciation_id sits beside voice_id; tuning options go in json_config.
audio = await client.tts(
    setup={
        "voice_id": "YTpq7expH9539ERJ",
        "output_format": "wav",
        "pronunciation_id": "bb1ckYhNHCcIJjdK",
        "json_config": {"temp": 0.3},
    },
    text="Our SDK ships today.",
)

Contrôle de la vitesse

Vous pouvez orienter la vitesse du modèle avec le paramètre padding_bonus. La valeur par défaut est 0,0. Les valeurs négatives font parler le locuteur plus vite (entre -4,0 et -0,1). Les valeurs positives le font parler plus lentement (entre 0,1 et 4,0).

sample_text = "Hello, this is a test from the Gradium Text to Speech system. We are testing the speed."

slower_audio = await client.tts(
    setup={'voice_id': 'YTpq7expH9539ERJ', 'output_format': 'wav', 'json_config':{'padding_bonus':2.0}},
    text=sample_text,
)

faster_audio = await client.tts(
    setup={'voice_id': 'YTpq7expH9539ERJ', 'output_format': 'wav', 'json_config':{'padding_bonus':-2.0}},
    text=sample_text,
)

Contrôle de la température

La température de génération peut prendre des valeurs de 0 à 1,4. Une valeur de 0 correspond à une génération déterministe, tandis que des valeurs plus élevées produisent des sorties plus variées. La valeur par défaut est 0,7.

setup = {'voice_id': 'YTpq7expH9539ERJ', 'output_format': 'wav', 'json_config':{'temp':0.3}}

audio = await client.tts(text=sample_text, setup=setup)

Règles de réécriture

Le paramètre rewrite_rules permet de passer des règles de réécriture appliquées au texte avant sa synthèse. Les règles doivent être passées sous forme de chaîne. Le guide Règles de réécriture du texte détaille les règles elles-mêmes. Des valeurs comme "en", "fr", "fr-be", "fr-ch", "de", "es", "pt" activent toutes les règles de réécriture d’une langue ou d’une locale donnée. Lorsque la voix a une langue, ses règles sont activées par défaut ; passez "none" pour désactiver entièrement la réécriture.

Passer `json_config`

config = {"temp": 0.3, "padding_bonus": -1.0}

# Streaming over WebSocket: setup is keyword args; json_config stays nested.
async with client.tts_realtime(
    voice_id="YTpq7expH9539ERJ",
    output_format="pcm",
    json_config=config,
) as stream:
    ...

# One-shot via SDK: setup is a dict containing json_config.
audio = await client.tts(
    setup={"voice_id": "YTpq7expH9539ERJ", "output_format": "wav", "json_config": config},
    text="Hello",
)

Pour REST, voir la référence TTS POST.

Premiers pas

Synthèse vocale (TTS)

Transcription (STT)

Speech-to-Speech

Commun

Recettes temps réel

Migrations

Voix

Auto-hébergé

Ressources

Référence rapide

Champs de setup, hors `json_config`

Contrôle de la vitesse

Contrôle de la température

Règles de réécriture

Passer `json_config`

​Référence rapide

​Champs de setup, hors json_config

​Contrôle de la vitesse

​Contrôle de la température

​Règles de réécriture

​Passer json_config

Référence rapide

Champs de setup, hors `json_config`

Contrôle de la vitesse

Contrôle de la température

Règles de réécriture

Passer `json_config`