Synthèse vocale IA à essayer gratuitement, sans inscription

La synthèse vocale consiste à utiliser un logiciel pour transformer un texte écrit en audio parlé. On parle aussi de text-to-speech (TTS) ou de synthèse de la voix. Les systèmes modernes utilisent des modèles d'IA entraînés sur de la parole enregistrée : ils sonnent bien plus proches d'une personne que les voix robotiques des anciens logiciels.

Un agent téléphonique qui vous rappelle l'heure de votre rendez-vous, une application de navigation qui annonce le prochain virage et un lecteur d'écran qui lit une page web utilisent tous la synthèse vocale. La démo en haut de cette page aussi : elle lit le texte que vous y saisissez.

La démo de cette page est gratuite, sans inscription. Pour utiliser l'API dans votre propre application, créez un compte : l'offre Free inclut 20 000 crédits par mois, et les offres payantes en ajoutent davantage.

La synthèse vocale transforme le texte en audio parlé. La reconnaissance vocale transforme l'audio parlé en texte. Un agent vocal les enchaîne avec un modèle de langage : la reconnaissance écoute l'appelant, le modèle rédige la réponse et la synthèse la prononce. Cartesia propose Sonic pour la synthèse vocale et Ink pour la reconnaissance vocale.

Un modèle d'IA lit le texte et prédit comment il doit sonner : la prononciation de chaque mot, le rythme de la phrase et la place de l'accent. Il génère ensuite l'audio. Les modèles de Cartesia diffusent cet audio au fur et à mesure qu'ils le génèrent, si bien que la lecture commence avant la fin de la phrase.

Non. window.speechSynthesis lit le texte avec les voix fournies par le navigateur et le système d'exploitation de l'auditeur : la voix change donc d'un appareil à l'autre. Cartesia est une API hébergée qui renvoie l'audio généré à votre application, avec la même voix partout. Pour une lecture dans le navigateur uniquement, sans clé API, consultez le tutoriel de synthèse vocale en JavaScript.

Créez une clé API, conservez-la sur votre backend et envoyez du texte avec un ID de voix ; l'API renvoie l'audio. Le guide Python de synthèse vocale montre comment générer et enregistrer un fichier WAV en quelques lignes. Pour un agent téléphonique ou vocal, diffusez l'audio via un WebSocket, ou laissez Cartesia Managed Agents gérer l'agent et ses appels.

Les voix de Cartesia parlent plus de 40 langues avec un seul modèle, avec des accents régionaux comme l'anglais américain, britannique et australien, le français canadien et l'espagnol mexicain. La page des langues propose des extraits dans chaque langue.

Oui. Via un WebSocket ou des server-sent events, Cartesia envoie l'audio par fragments au fur et à mesure de sa génération : votre application peut lancer la lecture avant que le clip soit complet. La référence de l'API de streaming présente le format de réponse.

Oui. Vous pouvez régler la vitesse et le volume de la voix, et choisir parmi plus de 60 émotions pour changer l'interprétation. Le guide des réglages vocaux liste les options de chaque modèle.

Le clonage de voix crée une voix réutilisable à partir d'enregistrements d'une personne. La synthèse vocale utilise ensuite cette voix, ou n'importe quelle voix de la bibliothèque, pour lire un nouveau texte. La page sur le clonage de voix détaille les conditions d'enregistrement.