API di sintesi vocale Python per applicazioni in tempo reale

Installa cartesia, imposta CARTESIA_API_KEY nell'ambiente server e crea un client Cartesia. Chiama client.tts.generate con testo, modello, ID vocale e formato di output, poi salva la risposta con write_to_file. L'esempio in questa pagina produce speech.wav. Consulta gli esempi Python per richieste complete.

L'SDK ufficiale richiede Python 3.9 o successivo. Installalo con python -m pip install --upgrade cartesia. Per il supporto WebSocket, installa python -m pip install "cartesia[websockets]". Confronta la versione del pacchetto installato con la documentazione dell'SDK quando adatti un esempio precedente.

Sì. L'endpoint TTS supporta output WAV, MP3 e audio grezzo. Scegli il contenitore e le impostazioni supportate in output_format prima di generare il parlato. Usa WAV per l'esempio in questa pagina; scegli MP3 quando la tua applicazione richiede quel formato. Cambiare soltanto l'estensione del file non converte l'audio.

Usa un WebSocket quando la tua applicazione riceve il testo un pezzo alla volta. Invia quei blocchi di testo tramite un contesto di generazione condiviso e consuma i blocchi audio restituiti man mano che arrivano. La tua applicazione deve comunque bufferizzare e riprodurre quell'audio. L'API WebSocket spiega continuazione e annullamento per le applicazioni conversazionali.

Usa HTTP quando la trascrizione è già disponibile, per esempio una narrazione completa o una notifica. Anche una risposta HTTP può fornire audio progressivamente. Usa WebSocket quando devi inviare testo in modo incrementale o gestire una conversazione continua. Streaming in ingresso e streaming in uscita sono scelte separate; salvare un file non è l'unico modo di consumare una risposta HTTP.

Sì. Usa AsyncCartesia e attendi le chiamate API in un'applicazione asincrona. Gli esempi asincroni dell'SDK mostrano generazione, output su file e streaming. Collega l'audio restituito alla risposta o al lettore dell'applicazione e chiudi il client quando termina il suo ciclo di vita.

Mantieni la chiave di lunga durata in una variabile d'ambiente del server o in un gestore di segreti della distribuzione. Non inserirla nei commit né inviarla al codice del browser. Se il browser richiede una connessione diretta, fai creare al backend un token di breve durata e ambito limitato tramite l'API dei token di accesso.

Ascolta l'anteprima di una voce nel Playground e passa il suo ID nella richiesta. Imposta language o locale per il testo, ma non entrambi. Testa nomi, numeri e abbreviazioni dei tuoi testi. Consulta il riferimento delle richieste per le impostazioni di lingua e voce, anziché presumere che tutte le voci supportino gli stessi accenti.

Scegli un modello dalla documentazione attuale di Sonic e testalo con la tua applicazione. L'ID sonic-3.6 riceve aggiornamenti stabili delle istantanee. Un'istantanea datata pubblicata mantiene fisso il comportamento del modello mentre valuti una nuova versione. Registra l'ID del modello insieme ai test per confrontare i risultati dopo un aggiornamento.

Il PCM grezzo non contiene un'intestazione di file che descriva come riprodurlo. Il lettore deve conoscere frequenza di campionamento e codifica usate nella richiesta. Una mancata corrispondenza può produrre rumore, silenzio o parlato alla velocità sbagliata. Parti da un output WAV per verificare il parlato generato separatamente dal lettore in streaming, poi testa il percorso di riproduzione dell'audio grezzo.

Gestisci errori di autenticazione, limiti di frequenza, errori di rete e timeout. Configura tentativi ripetuti e timeout dell'SDK in base alla tua applicazione. Testa la riproduzione interrotta ed evita di riprodurre audio in coda dopo che l'utente cambia direzione. Misura il tempo dalla disponibilità del testo al parlato udibile, includendo rete e buffer di riproduzione.