Améliorez la clartéde la parole générée par IA

Cette page concerne l'amélioration de nouvelles paroles générées à partir de texte avec Cartesia Sonic. Vous pouvez choisir une voix plus adaptée, affiner le texte, guider le rythme et le volume, et utiliser des dictionnaires de prononciation. Ces réglages agissent pendant la génération.

Cette page ne propose pas d'outil d'importation et de nettoyage audio. Sonic génère de la parole depuis du texte. Supprimer le souffle, l'écho ou les bruits d'un enregistrement existant relève de la restauration audio et nécessite un outil conçu à cet effet.

Commencez par des phrases complètes et une ponctuation naturelle. Divisez un paragraphe dense en phrases claires. Si le débit reste trop rapide, réduisez la vitesse et générez à nouveau le passage. La vitesse est une indication, pas un multiplicateur exact de durée : comparez avec la même voix et le même texte.

Testez le mot dans une phrase complète avant de le modifier. Les dictionnaires peuvent remplacer un mot ou une expression par une indication phonétique ou l'alphabet phonétique international. Créez le dictionnaire dans le Playground ou via l'API, puis utilisez-le pour les requêtes concernées. Vérifiez toute la phrase après chaque changement.

Sonic interprète le contexte émotionnel du texte et accepte des indications d'émotion dans le Playground et l'API. Les balises émotionnelles prennent actuellement en charge l'anglais. Choisissez une direction cohérente avec les mots. Une consigne contradictoire ne donnera pas de manière fiable l'interprétation souhaitée.

Ils s'appliquent aux voix standard et aux clones instantanés. Les clones Pro apprennent leur rythme et leur volume à partir des enregistrements d'entraînement et ne permettent pas de les modifier à chaque requête. Pour un clone Pro, préparez les enregistrements avec l'interprétation souhaitée.

Vérifiez d'abord le format de sortie. Le PCM brut nécessite un lecteur configuré avec la même fréquence et le même encodage que l'audio généré. Une incompatibilité peut modifier la vitesse ou déformer le son. Les fichiers WAV ou MP3 incluent les informations de format et conviennent à l'enregistrement pour un lecteur compatible.

Oui. Gardez ensemble l'identifiant vocal, le texte et les paramètres de génération. Dans une intégration API, transmettez generation_config dans chaque requête concernée et ajoutez l'identifiant du dictionnaire de prononciation si nécessaire. L'API ne fait pas de generation_config une préférence globale du compte.

Oui. Partez du texte que votre public entendra et générez une courte section avant toute la voix off. Vérifiez les noms, les pauses et le rythme des explications avec votre montage. Si une phrase est difficile à suivre, réécrivez-la avant de modifier plusieurs réglages vocaux. Utilisez le même passage pour comparer les révisions.

Ajoutez les noms récurrents à un dictionnaire de prononciation et testez-les dans des phrases complètes. Avec l'API, transmettez son identifiant dans la requête. Mettez le dictionnaire à jour lorsque le nom ou la prononciation souhaitée change, plutôt que de modifier les graphies phonétiques dans chaque texte.

L'aperçu permet de modifier le texte, la vitesse et le volume avant la génération. Gardez les mêmes mots pour la première comparaison, puis réécoutez après avoir changé un seul réglage. Ouvrez le Playground pour explorer d'autres voix et les dictionnaires de prononciation. L'aperçu génère de nouvelles paroles depuis du texte ; il ne traite pas un enregistrement importé.