API de texto para fala em Python para aplicações em tempo real

Instale cartesia, defina CARTESIA_API_KEY no ambiente do servidor e crie um cliente Cartesia. Chame client.tts.generate com sua transcrição, modelo, ID de voz e formato de saída e salve a resposta com write_to_file. O exemplo desta página produz speech.wav. Consulte os exemplos em Python para ver solicitações completas.

O SDK oficial exige Python 3.9 ou posterior. Instale com python -m pip install --upgrade cartesia. Para suporte a WebSocket, instale com python -m pip install "cartesia[websockets]". Compare a versão instalada do pacote com a documentação do SDK ao adaptar um exemplo antigo.

Sim. O endpoint de TTS aceita saída WAV, MP3 e áudio bruto. Escolha o contêiner e suas configurações compatíveis em output_format antes de gerar a fala. Use WAV para o exemplo desta página; escolha MP3 quando sua aplicação precisar desse formato. Mudar apenas a extensão do arquivo não converte o áudio.

Use um WebSocket quando sua aplicação recebe texto aos poucos. Envie esses blocos de texto por um contexto de geração compartilhado e consuma os blocos de áudio retornados conforme chegam. Sua aplicação ainda precisa armazenar temporariamente e reproduzir esse áudio. A API WebSocket explica continuação e cancelamento para aplicações de conversação.

Use HTTP quando a transcrição já estiver disponível, como uma narração ou notificação completa. Uma resposta HTTP também pode entregar áudio progressivamente. Use WebSockets quando precisar enviar texto de forma incremental ou gerenciar uma conversa contínua. Streaming de entrada e de saída são escolhas separadas; salvar um arquivo não é a única forma de consumir uma resposta HTTP.

Sim. Use AsyncCartesia e aguarde suas chamadas de API com await em uma aplicação assíncrona. Os exemplos assíncronos do SDK mostram geração, saída em arquivo e streaming. Conecte o áudio retornado à resposta ou ao reprodutor da sua aplicação e feche o cliente quando seu ciclo de vida terminar.

Mantenha sua chave de longa duração em uma variável de ambiente do servidor ou em um gerenciador de segredos da implantação. Não a inclua em commits nem a envie ao código do navegador. Se o navegador precisar de uma conexão direta, faça seu backend criar um token de curta duração e escopo limitado pela API de tokens de acesso.

Ouça uma voz no Playground e passe seu ID na solicitação. Defina language ou locale para sua transcrição, mas não ambos. Teste nomes, números e abreviações dos seus próprios textos. Consulte a referência da solicitação para configurações de idioma e voz, em vez de presumir que todas as vozes têm o mesmo suporte a sotaques.

Escolha um modelo na documentação atual do Sonic e teste-o com sua aplicação. O ID sonic-3.6 recebe atualizações de versões estáveis. Uma versão datada publicada mantém o comportamento do modelo fixo enquanto você avalia um lançamento mais recente. Registre o ID do modelo junto com seus testes para comparar resultados após uma atualização.

PCM bruto não contém um cabeçalho de arquivo que descreva como reproduzi-lo. O reprodutor precisa da taxa de amostragem e da codificação usadas na solicitação. Uma diferença pode produzir ruído, silêncio ou fala na velocidade errada. Comece com saída WAV para conferir a fala gerada separadamente do reprodutor de streaming e depois teste o fluxo de reprodução de áudio bruto.

Trate falhas de autenticação, limites de requisições, erros de rede e tempos limite. Configure as novas tentativas e os tempos limite do SDK para sua aplicação. Teste reprodução interrompida e evite reproduzir áudio da fila depois que o usuário mudar de direção. Meça desde a disponibilidade do texto até a fala audível, incluindo rede e buffer de reprodução.