Questions fréquentes
Qu'est-ce qu'une API de synthèse vocale ?
Une API TTS permet d'envoyer du texte et de recevoir un fichier audio via une requête POST. L'endpoint est https://api.victini.info/v1/audio/speech. Vous utilisez un format JSON similaire à celui d'OpenAI. Une clé Bearer authentifie votre compte. C'est une solution cloud sans installation locale, idéale pour automatiser la production audio dans vos workflows de podcasting.
Comment intégrer l'API dans un script Python ?
Utilisez le SDK OpenAI en modifiant la variable base_url vers https://api.victini.info/v1. Envoyez votre texte via l'endpoint de speech avec votre clé API. Le SDK gère la sérialisation JSON et la réception du fichier audio binaire. Cette méthode assure une compatibilité directe avec les outils existants tout en utilisant notre moteur de synthèse vocal spécifique.
Quelle voix choisir pour un podcast narratif ?
Pour un podcast narratif, Luna est idéale avec son ton doux et conteur. Aria convient aussi pour une narration claire et chaleureuse. Ces voix féminines offrent une expérience d'écoute naturelle. Vous pouvez ajuster la vitesse entre 0.25 et 4.0 pour adapter le rythme à votre style éditorial et maintenir l'attention de vos auditeurs.
Comment gérer les textes longs dans un épisode ?
L'API limite l'entrée à 4096 caractères par requête. Pour un texte plus long, divisez-le en segments respectant cette limite. Générez chaque segment séparément puis assemblez les fichiers audio résultants. Cette méthode garantit que chaque partie est synthétisée correctement sans perte de qualité ni coupure intempestive dans le flux audio final.
Quel format audio est recommandé pour Spotify ?
Spotify accepte couramment le MP3 et le WAV. Notre API propose MP3, WAV, OPUS, FLAC et PCM. Le MP3 est léger et largement compatible. Le WAV offre une qualité sans perte. Choisissez selon vos besoins de stockage et de bande passante. Les deux formats conviennent parfaitement pour l'upload direct sur les plateformes de podcasting.
Combien coûte la génération d'un épisode de 30 minutes ?
Le tarif est de 10 $ par million de caractères. Un épisode de 30 minutes contient environ 45 000 caractères. Le coût est donc d'environ 0,45 $. Ce prix inclut la synthèse complète. Les requêtes échouées sont gratuites. Le prix reste fixe quel que soit le modèle tts-1 ou tts-1-hd choisi.
Puis-je utiliser la voix 'Aria' pour un ton sérieux ?
Oui, Aria est décrite comme une narratrice chaleureuse et claire. Elle convient parfaitement pour des tons sérieux ou informatifs. Sa voix offre une bonne lisibilité. Vous pouvez aussi explorer Sage pour un ton plus calme et instructionnel. Chaque voix a une personnalité distincte mais reste adaptée à divers styles éditoriaux professionnels.
Les voix sont-elles personnalisables ?
Non, vous choisissez parmi huit presets fixes. Il n'y a pas de clonage vocal personnalisé ni de création de voix sur mesure. Vous ne pouvez pas uploader votre propre voix. Les voix sont basées sur des enregistrements licenciés. Vous pouvez seulement ajuster la vitesse et le format audio, mais pas la timbre ou l'accent.
Comment facturer le service à un client ?
Le service est payé à l'usage via votre solde API. Vous achetez des crédits via USDT TRC-20. Vous pouvez ensuite transférer le coût généré à votre client selon votre contrat freelance. Comme il n'y a pas de frais fixes, vous facturez simplement les caractères consommés plus votre marge. Les reçus sont basés sur l'utilisation réelle.
Y a-t-il une limite de vitesse de parole ?
Oui, la vitesse est limitée entre 0.25 et 4.0. Vous pouvez accélérer ou ralentir la voix selon vos besoins. Une vitesse de 1.0 correspond à la vitesse normale. Des vitesses plus élevées réduisent la durée de génération. Ajustez ce paramètre pour adapter le rythme à l'ambiance de votre podcast ou à la densité du texte.
Comment détecter la langue du texte ?
Si le paramètre language est absent, la langue est devinée selon le script. Le texte latin par défaut est considéré comme anglais. Pour d'autres langues latines, définissez explicitement le code ISO. L'API prend en charge 23 langues. La détection automatique fonctionne bien mais la spécification manuelle évite les erreurs de prononciation.
Les fichiers audio sont-ils stockés ?
Non, les fichiers audio générés sont retournés dans la réponse et non conservés. Le texte d'entrée est utilisé pour la synthèse et n'est pas utilisé pour l'entraînement. Les métadonnées de requête (heure, statut) sont gardées pour la facturation. Vos données audio ne servent pas à l'entraînement des modèles. Vous gérez vous-même le stockage de vos fichiers finaux.
Comment payer avec USDT TRC-20 ?
Envoyez des USDT sur le réseau TRON (TRC-20) depuis votre wallet. Le montant minimum est de 5 $. Les fonds sont crédités automatiquement en quelques minutes. Aucune carte bancaire ou PayPal n'est acceptée. Vous pouvez ajouter du crédit à tout moment. Le solde n'expire jamais et reste disponible pour vos futures requêtes API.
Quel est le débit de génération en temps réel ?
Le débit est d'environ 25 caractères par seconde pour les textes longs. Cela correspond à un temps réel approximatif. Les phrases courtes prennent quelques secondes. Les requêtes sont traitées séquentiellement, donc une file d'attente peut survenir en cas de charge. La vitesse reste constante pour garantir une qualité audio stable.
Puis-je utiliser plusieurs voix dans un même épisode ?
Oui, vous pouvez générer des segments avec des voix différentes. Créez une requête pour chaque voix souhaitée. Assemblez ensuite les fichiers audio résultants. Cela permet de créer des dialogues ou de varier le ton. Chaque requête est facturée séparément selon le nombre de caractères traités par chaque voix utilisée.
Comment gérer une erreur de génération ?
Si la synthèse échoue, la demande est gratuite et le crédit est remboursé. Vérifiez simplement que le texte respecte la limite de 4096 caractères. Assurez-vous que la voix et le format sont valides. Réessayez la requête si le problème persiste. Aucune pénalité n'est appliquée en cas d'échec technique ou de validation.
La synthèse vocale est-elle adaptée aux livres audio ?
Oui, les voix comme Luna ou Aria sont conçues pour la narration. La qualité est basée sur des enregistrements licenciés. Vous pouvez générer des chapitres entiers en découpant le texte. Le coût est de 10 $ par million de caractères. Cependant, il n'y a pas de gestion automatique des pauses ou des émotions, contrairement à certaines solutions premium.
Y a-t-il une marque d'eau audible sur les fichiers ?
Non, la marque d'eau est inaudible. Elle marque le fichier comme étant une voix synthétique mais n'affecte pas l'écoute. Vous pouvez utiliser les fichiers sans restriction auditive. Cette marque sert à identifier l'origine du contenu généré par notre API sans gêner l'expérience utilisateur finale de vos auditeurs.
Intégration dans le workflow éditorial
La génération audio par API s'intègre directement après la validation du script. Contrairement à un enregistrement studio, le texte brut est envoyé à l'endpoint POST /v1/audio/speech pour produire un fichier audio standardisé, éliminant les contraintes de planning de studio et permettant une itération rapide du contenu éditorial.
Le workflow repose sur une chaîne simple : validation sémantique du texte, appel API avec les paramètres de voix et de format, puis téléchargement du fichier généré. Cette approche garantit que chaque mot est synchrone avec la décision éditoriale, sans étape manuelle intermédiaire.
Écriture du script
Rédigez le script en pensant directement à la synthèse vocale. Le moteur ne supporte pas le SSML, donc la ponctuation et les sauts de ligne doivent être explicites pour contrôler les pauses naturelles. Limitez chaque segment à 4096 caractères pour respecter la limite de l'API.
- Utilisez une ponctuation claire pour guider l'intonation.
- Vérifiez l'absence de symboles complexes non supportés.
- Conservez une structure de phrase simple pour une prononciation fiable.
Formatage du texte
Le texte d'entrée doit être une chaîne JSON simple envoyée via le champ input. Les espaces et la ponctuation comptent pour le calcul des caractères facturés. Si le script dépasse 4096 caractères, découpez-le logiquement avant l'envoi pour éviter les erreurs de traitement.
- Nettoyer les sauts de ligne superflus.
- Vérifier l'encodage UTF-8.
- Compter les caractères pour l'estimation des coûts.
Test de tonalité
Avant la production finale, générez des phrases courtes pour valider le rendu. Utilisez la variable speed (de 0.25 à 4.0) pour ajuster le débit si le rythme naturel ne correspond pas au ton souhaité du podcast. Ce test évite les réenregistrements coûteux en post-production.
- Tester la voix
ariapour un ton narratif. - Vérifier la clarté avec la voix
atlaspour l'information. - Ajuster la vitesse pour coller au rythme de la voix off.
Choix des voix pour le narrateur
Le choix de la voix détermine la crédibilité de votre podcast. VoixParlante propose huit presets précis, adaptés à des contextes narratifs spécifiques. Chaque voix est issue d'enregistrements licenciés ou du domaine public, garantissant une qualité professionnelle sans ambiguïté.
Pour un narrateur unique, la constance est essentielle. Sélectionnez une voix qui correspond au ton de votre contenu : sérieux, conversationnel ou documentaire. L'API permet de tester rapidement chaque voix avec votre script avant la production finale.
Aria pour les récits
Aria offre une voix féminine chaude et claire. Elle est idéale pour la narration de fiction ou les essais personnels. Sa tonalité reste stable sur de longs textes, évitant la fatigue auditive de l'auditeur.
Utilisez Aria pour donner une couleur littéraire à vos épisodes. Sa clarté assure que chaque mot est compris, même dans les passages complexes.
- Voix féminine, ton chaleureux et narratif.
- Idéale pour la fiction et les essais.
- Clarté optimale sur les textes longs.
Atlas pour l'information
Atlas est une voix masculine neutre, conçue pour l'information. Son ton est direct et professionnel, similaire à une nouvelle ou un reportage. Il convient parfaitement aux podcasts d'actualités ou de technologie.
Cette voix minimise l'interprétation émotionnelle pour privilégier la transmission factuelle. Elle est reconnue pour sa neutralité et sa précision articulaire.
- Voix masculine, ton neutre et informatif.
- Idéale pour les nouvelles et le tech.
- Transmission factuelle et directe.
Milo pour la conversation
Milo présente une voix masculine amicale et conversationnelle. Il est parfait pour les formats d'interview ou les discussions décontractées. Son ton rend l'écoute plus naturelle et moins mécanique.
Utilisez Milo pour humaniser votre contenu. Il favorise une écoute naturelle et conversationnelle.
- Voix masculine, ton amical et conversationnel.
- Idéal pour les interviews et le casual.
- Simulation de présence humaine.
Gestion des longs épisodes
Pour les épisodes de podcast dépassant 4 096 caractères, l'API impose une structure de découpage. Chaque segment est généré séparément, respectant la limite technique par requête tout en maintenant la cohérence de la voix sélectionnée.
L'assemblage des fichiers audio se fait après la synthèse. Vous recevez des segments distincts que vous concaténez pour créer le fichier final. Cette méthode garantit une intégration fluide dans vos outils d'édition audio habituels.
Découpage automatique
Le texte est segmenté en parties de 4 096 caractères maximum. Chaque partie constitue une requête API indépendante. Cela permet de gérer efficacement les scripts longs sans surcharge de mémoire.
- Limite de 4 096 caractères par requête
- Segmentation logique du texte
- Gestion automatique des limites
Assemblage des fichiers
Chaque segment généré est retourné sous forme de fichier audio. Vous devez les joindre pour reconstituer l'épisode complet. Les formats supportés incluent MP3, WAV, Opus, FLAC et PCM.
- Formats disponibles : MP3, WAV, Opus, FLAC, PCM
- Concaténation manuelle ou scriptée
- Préservation des métadonnées audio
Vérification de la continuité
La vitesse de génération est d'environ 25 caractères par seconde. Les demandes sont traitées séquentiellement, ce qui peut créer des files d'attente sous charge. Planifiez les tâches pour éviter les retards.
- Vitesse : ~25 caractères/seconde
- Traitement séquentiel des requêtes
- File d'attente sous charge
Optimisation des coûts
La maîtrise des coûts repose sur une estimation précise du volume de caractères, chaque espace et ponctuation étant comptabilisés. Le tarif s'établit à 10 $ par million de caractères, soit 0,01 $ pour 1 000 caractères. Cette transparence permet d'anticiper le budget pour chaque épisode avant la génération audio.
Le crédit d'essai de 0,50 $ offre environ 50 000 caractères pour valider la qualité sans engagement. Pour les besoins réguliers, le rechargement via USDT (TRC-20) assure un débit automatique et sans frais bancaires cachés, avec un minimum de 5 $.
Estimation des caractères
Pour optimiser vos dépenses, il convient de compter chaque caractère du script, y compris les espaces et la ponctuation. Avec un coût de 0,01 $ par millier de caractères, même une variation mineure du texte impacte la facture finale. Une estimation rigoureuse évite les surprises lors de la facturation.
- Tarif fixe : 10 $ par million de caractères
- Les espaces et ponctuations sont inclus dans le comptage
- Aucun frais caché par format ou par voix
Utilisation du crédit d'essai
L'inscription via Google offre un crédit initial de 0,50 $, valable sept jours. Il permet de générer environ 50 000 caractères pour tester les voix et valider le workflow éditorial. Ce crédit est idéal pour vérifier la pertinence d'une voix avant un investissement majeur.
- Crédit de 0,50 $ offert à l'inscription Google
- Équivalent à environ 50 000 caractères
- Valable pendant sept jours après la création du compte
Paiement USDT efficace
Le rechargement s'effectue exclusivement en USDT sur le réseau TRON (TRC-20). Les transfères sont crédités automatiquement dans les minutes suivant la confirmation blockchain. Ce système élimine les frais de carte et les délais de virement bancaire, garantissant une disponibilité immédiate de votre solde.
- Monnaie unique : USDT (TRC-20)
- Créditation automatique sous quelques minutes
- Minimum de rechargement : 5 $
Qualité audio et formats
Le format audio choisi détermine l'équilibre entre la qualité sonore et l'efficacité du stockage. VoixParlante propose trois formats standards pour s'adapter à chaque étape de la chaîne de production podcast.
La sélection doit tenir compte des contraintes de diffusion et des besoins d'édition ultérieurs, sans surcoût spécifique au format.
MP3 pour la diffusion
Le MP3 est le format universel recommandé pour la publication finale sur les plateformes de podcasting. Il offre une compression efficace avec une qualité auditive satisfaisante pour la majorité des auditeurs.
Ce format garantit une compatibilité maximale avec les lecteurs mobiles et web, facilitant le partage direct des épisodes générés.
- Large compatibilité lecteur
- Taille de fichier réduite
- Qualité auditive standard
WAV pour l'édition
Le format WAV non compressé est idéal pour les workflows d'édition professionnelle. Il préserve l'intégralité des données audio sans perte, permettant des coupes et modifications précises sans dégradation.
Il est recommandé de conserver une copie WAV de vos épisodes maîtres avant toute compression finale pour diffusion.
- Sans perte de qualité
- Idéal pour le montage
- Données audio brutes
Opus pour la compression
Le format Opus offre un taux de compression supérieur au MP3 pour une qualité sonore équivalente ou meilleure à bas débit. Il est particulièrement adapté aux environnements à bande passante limitée.
Son efficacité le rend pertinent pour le stockage à long terme ou la diffusion via des réseaux moins performants.
- Compression avancée
- Bande passante optimisée
- Haute fidélité à bas débit
Automatisation avec le SDK
L'API TTS de VoixParlante s'intègre directement dans vos pipelines CI/CD grâce à une compatibilité native avec le SDK OpenAI. En modifiant simplement l'URL de base vers https://api.victini.info/v1, vous pouvez automatiser la génération audio de vos scripts podcast sans développement spécifique.
Cette approche permet de traiter des volumes importants de texte en quelques minutes, garantissant une production audio cohérente et réutilisable pour vos épisodes hebdomadaires ou quotidiens.
Script Python basique
Utilisez le client Python standard en pointant vers notre endpoint. Le corps de la requête suit strictement le format OpenAI : model, input, voice et response_format. Le code reste minimaliste et facile à maintenir pour vos équipes techniques.
Il suffit de passer la clé API dans l'en-tête Authorization pour recevoir un fichier audio binaire directement dans votre script, prêt à être enregistré sur votre serveur de diffusion.
- Initialisation du client avec
base_url="https://api.victini.info/v1" - Envoi de la requête
POST /v1/audio/speech - Réception du fichier audio binaire
Gestion des erreurs
Le SDK renvoie des exceptions standard pour les erreurs 4xx (clé invalide, texte trop long) ou 5xx. Interceptez ces erreurs pour éviter l'arrêt de votre pipeline d'édition. Les demandes échouées sont gratuites, ne pénalisant pas votre solde.
Vérifiez toujours le code de statut HTTP avant de traiter le fichier audio. En cas d'erreur de rate limit (60 req/min), implémentez une logique de retry avec backoff exponentiel.
Boucle de génération
Pour les épisodes longs, bouclez sur vos segments de texte (max 4096 caractères) et appelez l'API séquentiellement. Cette méthode garantit que chaque partie est générée avant de passer à la suivante, évitant les goulots d'étranglement.
Une fois la boucle terminée, assemblez les fichiers audio locaux en un seul fichier final. Cette approche par lots est adaptée à une production podcast post-production.
Vitesse et délais de génération
La génération audio s'effectue à une vitesse proche du temps réel, soit environ 25 caractères par seconde pour les textes longs. Les phrases courtes peuvent prendre quelques secondes supplémentaires en raison des temps de traitement fixes.
Temps réel approximatif
Le traitement suit un débit constant. Cette métrique s'applique aux scripts de podcast standard. Elle garantit une production prévisible pour vos contenus éditoriaux.
Files d'attente
Les requêtes sont traitées séquentiellement. En cas de forte charge, votre requête peut attendre dans une file d'attente avant le traitement. Cela peut augmenter légèrement la latence globale sans affecter la qualité audio finale.
Planification des tâches
Pour éviter les goulots d'étranglement, planifiez vos générations en dehors des heures de pointe. Utilisez la limite de 60 requêtes par minute pour optimiser votre workflow. Cette approche assure une livraison fluide de vos fichiers audio.

Confidentialité des données
La confidentialité est un pilier technique de notre API. Chaque service est conçu pour garantir que vos données restent maîtrisées et temporaires, sans exploitation commerciale cachée de vos contenus éditoriaux.
Pas de stockage audio
Le fichier audio généré est retourné directement dans la réponse de l'API et n'est pas conservé sur nos serveurs une fois la transmission terminée. Cette approche réduit la surface d'exposition et simplifie la gestion de la vie privée pour vos podcasts.
Pas d'entraînement texte
Le texte soumis pour la synthèse est utilisé exclusivement pour produire le fichier audio correspondant. Il n'est pas utilisé pour l'entraînement de modèles ou l'amélioration de nos algorithmes, garantissant que vos scripts restent strictement privés.
Clés API sécurisées
Chaque compte dispose d'une clé unique. Vous pouvez en émettre une nouvelle à tout moment, ce qui invalie immédiatement l'ancienne. Cette fonctionnalité permet une rotation rapide des accès en cas de doute sur leur sécurité.
Multilingue dans les podcasts
L'API VoixParlante prend en charge 23 langues, incluant l'anglais, le français, l'espagnol, l'allemand, le chinois et le japonais, ainsi que des langues moins courantes comme le swahili ou le malais. Cette diversité permet de produire des épisodes destinés à des audiences internationales sans multiplier les fournisseurs de voix.
Le champ language est optionnel mais recommandé. Si vous ne le précisez pas, le système déduit la langue à partir du script (par défaut anglais pour le texte latin). Pour des textes latins non anglophones, la spécification explicite évite les erreurs d'accentuation.
Support 23 langues
Vous pouvez générer de l'audio en arabe, chinois, danois, finnois, grec, hébreu, hindi, italien, japonais, coréen, norvégien, polonais, portugais, russe, suédois ou turc. Toute langue non listée, comme le vietnamien ou le thaï, n'est pas prise en charge.
- Arabe, chinois, danois, finnois, grec, hébreu, hindi
- Italien, japonais, coréen, malais, norvégien, polonais
- Portugais, russe, espagnol, suédois, turc
- Anglais, français, allemand, swahili
Détection automatique
L'API tente d'identifier la langue du texte fourni. Cette détection repose sur la structure du texte et le script utilisé. Elle fonctionne bien pour les textes en anglais ou dans une langue clairement identifiable.
Voix universelles
Chacune des 8 voix préenregistrées peut prononcer n'importe laquelle des 23 langues supportées avec la même intonation. Vous n'avez pas besoin de choisir une voix différente selon la langue cible.
Test et validation
La phase de test permet de valider la cohérence de la voix avant le montage final. Il est recommandé de générer des extraits courts pour vérifier la fluidité de la narration et ajuster les paramètres de base.
Génération de phrases courtes
Utilisez le endpoint /v1/audio/speech avec des phrases de moins de 4096 caractères. Cette méthode isole les problèmes de prononciation sans impact sur le coût global de l'épisode.
- Testez chaque phrase clé du script individuellement.
- Vérifiez la ponctuation pour les pauses naturelles.
Vérification de la prononciation
La détection automatique de la langue fonctionne sur la base du script (latin par défaut en anglais). Pour les textes non anglais, spécifiez le paramètre language pour garantir une prononciation exacte.
- Vérifiez les mots étrangers ou les acronymes.
- Confirmez la langue cible dans la requête JSON.
Ajustement de la vitesse
Ajustez le paramètre speed entre 0.25 et 4.0 pour synchroniser la voix avec le rythme du podcast. Une vitesse de 1.0 correspond à un débit naturel, tandis que des valeurs plus élevées accélèrent le récit pour les segments informatifs.
- Réduisez la vitesse pour les explications complexes.
- Augmentez-la pour les transitions rapides.
Mise en production
La mise en production repose sur une clé API dédiée, distincte de celle utilisée en phase de test, pour isoler la facturation des épisodes diffusés. Cette clé permet de monitorer précisément le volume de caractères générés pour vos podcasts, garantissant une transparence totale sur les coûts engagés.
Clé API dédiée
Chaque compte dispose d'une unique clé active. En production, générez une nouvelle clé via le tableau de bord si nécessaire ; l'ancienne devient invalide instantanément, évitant tout risque d'utilisation simultanée ou de fuite de credentials dans vos scripts de diffusion.
- Une seule clé active par compte
- Révocation instantanée à la réémission
Surveillance des quotas
Vigilez le limitateur de 60 requêtes par minute. Pour les longs épisodes, divisez votre texte en segments de 4096 caractères et surveillez l'usage via l'endpoint de facturation. Un dépassement temporaire est possible en file d'attente, mais la facturation reste exacte au caractère généré.
- 60 requêtes/minute par clé
- Limitation à 4096 caractères/requête
Mise à jour des scripts
Intégrez la gestion des erreurs pour les timeouts ou les files d'attente. Vos scripts doivent être conçus pour réessayer les échecs sans double facturation, et assembler les fichiers audio segmentés. Validez la compatibilité de votre endpoint avec la base https://api.victini.info/v1 avant la diffusion massive.
Support et assistance
La documentation technique est accessible directement via la page /docs/. Elle contient les spécifications de l'API, les exemples de requêtes et la liste des voix disponibles.
Documentation complète
Vous y trouverez les détails sur les paramètres de requête et les formats audio supportés.
- Spécifications de l'API
- Exemples de code
- Liste des voix
Email de support
Le support est assuré exclusivement par email. Aucune autre méthode de contact n'est disponible.
Vos demandes seront traitées sans délai lors des heures ouvrables.
Mises à jour API
Les évolutions de l'API sont annoncées via la documentation. Aucune notification par email n'est prévue.
Les modifications de prix ou de fonctionnalités sont indiquées explicitement.
Écoutez les 8 voix
Chaque échantillon ci-dessous a été généré par cette API à partir de la même phrase. Utilisez cette voix pour les résumés trimestriels ou les comptes-rendus techniques.
23 langues
Chaque voix peut parler n'importe laquelle de ces langues.
