API Python de synthèse vocale pour les applications en temps réel

Installez cartesia, définissez CARTESIA_API_KEY dans l'environnement de votre serveur et créez un client Cartesia. Appelez client.tts.generate avec le texte, le modèle, l'identifiant vocal et le format de sortie, puis enregistrez la réponse avec write_to_file. L'exemple de cette page produit speech.wav. Consultez les exemples Python pour les requêtes complètes.

Le SDK officiel nécessite Python 3.9 ou ultérieur. Installez-le avec python -m pip install --upgrade cartesia. Pour WebSocket, utilisez python -m pip install "cartesia[websockets]". Vérifiez la version installée dans la documentation du SDK lorsque vous adaptez un ancien exemple.

Oui. Le point de terminaison TTS accepte WAV, MP3 et l'audio brut. Choisissez le conteneur et ses paramètres compatibles dans output_format avant la génération. Utilisez WAV pour cet exemple, ou MP3 si votre application l'exige. Changer l'extension d'un fichier ne convertit pas l'audio.

Utilisez WebSocket lorsque votre application reçoit le texte progressivement. Envoyez les fragments dans un contexte de génération commun et consommez les fragments audio à leur arrivée. Votre application doit encore les mettre en mémoire tampon et les lire. L'API WebSocket explique la continuation et l'annulation pour les applications conversationnelles.

Utilisez HTTP lorsque le texte est déjà disponible, par exemple pour une narration complète ou une notification. Une réponse HTTP peut aussi diffuser l'audio progressivement. Utilisez WebSocket pour envoyer le texte au fil de sa génération ou gérer une conversation continue. Le streaming en entrée et en sortie sont deux choix distincts ; une réponse HTTP ne doit pas forcément être enregistrée dans un fichier.

Oui. Utilisez AsyncCartesia et attendez ses appels API avec await dans une application asynchrone. Les exemples asynchrones montrent la génération, les fichiers et le streaming. Connectez l'audio à la réponse ou au lecteur de votre application et fermez le client à la fin de son cycle de vie.

Gardez votre clé de longue durée dans une variable d'environnement serveur ou un gestionnaire de secrets de déploiement. Ne la versionnez pas et ne l'envoyez pas au navigateur. Si celui-ci a besoin d'une connexion directe, faites créer un jeton de courte durée et de portée limitée par votre backend via l'API de jetons d'accès.

Écoutez une voix dans le Playground et transmettez son identifiant dans la requête. Définissez language ou locale pour votre texte, mais pas les deux. Testez vos noms, nombres et abréviations. Consultez la référence des requêtes pour les réglages de langue et de voix sans supposer que toutes les voix prennent en charge les mêmes accents.

Choisissez un modèle dans la documentation Sonic actuelle et testez-le avec votre application. L'identifiant sonic-3.6 reçoit des mises à jour stables. Une version datée publiée fige le comportement pendant l'évaluation d'une nouvelle version. Notez l'identifiant avec vos tests pour comparer les résultats après une mise à niveau.

Le PCM brut n'a pas d'en-tête décrivant sa lecture. Le lecteur doit connaître la fréquence et l'encodage de la requête. Une incompatibilité peut produire du bruit, du silence ou une vitesse incorrecte. Commencez par une sortie WAV pour vérifier la parole indépendamment du lecteur de streaming, puis testez le chemin de lecture de l'audio brut.

Gérez les échecs d'authentification, les limites de débit, les erreurs réseau et les délais d'expiration. Adaptez les nouvelles tentatives et délais du SDK à votre application. Testez les interruptions et évitez de rejouer l'audio en attente lorsque l'utilisateur change de direction. Mesurez le délai entre la disponibilité du texte et la parole audible, réseau et tampon de lecture compris.