Converta texto em fala em um arquivo MP3

Use o endpoint Text-to-Speech Bytes. Defina output_format como {"container":"mp3","sample_rate":44100,"bit_rate":128000}. Inclua os demais campos obrigatórios da solicitação e a autenticação indicados na referência. Isso seleciona um MP3 de 44,1 kHz a 128 kbps; é uma configuração disponível, não uma exigência para todas as aplicações. A resposta contém bytes de áudio, não uma URL de download em JSON.

Sim. Digite seu texto na ferramenta acima, escolha uma voz e selecione Criar MP3. Quando o arquivo estiver pronto, selecione Baixar MP3. Para uma aplicação, solicite MP3 à API Bytes e salve a resposta bem-sucedida como arquivo .mp3.

Você pode ouvir e baixar amostras curtas de MP3 nesta página sem uma conta. A geração pela API usa os créditos da sua conta. Veja os planos atuais da Cartesia para conferir créditos incluídos, uso adicional e condições de uso comercial.

Use o formato esperado pela integração receptora. MP3 comprime áudio para reprodução de arquivos; PCM representa amostras de áudio sem compressão MP3. Uma chamada ao vivo pode exigir uma codificação bruta e uma taxa de amostragem específicas em vez de MP3. Consulte o guia de integração de áudio antes de selecionar as configurações de saída. Um download rápido de arquivo não mede a latência da conversa de ponta a ponta.

Consulte a documentação atual dos modelos Sonic para verificar a cobertura de idiomas. Os modelos compatíveis têm controles de volume, velocidade e emoção. Teste a voz escolhida em cada idioma desejado. Preste atenção em nomes, abreviações e números; a geração de fala ainda precisa de revisão para seu caso de uso.

Sim, se seu sistema telefônico aceitar o formato do arquivo e você tiver os direitos necessários sobre a voz e o texto. Gere saudações fixas a partir de textos aprovados e teste-as por uma conexão telefônica. Uma saudação pré-gravada não interpreta a resposta de quem liga. Para chamadas interativas, conheça o Cartesia Managed Agents.

Sim. Criar MP3 gera um arquivo com o texto, a voz e o idioma selecionados. Baixar MP3 aparece quando a geração termina. Editar o texto ou mudar a voz remove o download anterior para que você crie um novo arquivo com a seleção atualizada.

A taxa de amostragem descreve quantas vezes o áudio é amostrado por segundo. A taxa de bits descreve quanto dado de áudio comprimido é armazenado por segundo. Escolha configurações disponíveis adequadas ao seu reprodutor. O exemplo desta página usa 44100 amostras por segundo e 128000 bits por segundo; essas configurações não são obrigatórias para todos os projetos.

Copie o texto que deseja ouvir e revise-o antes de gerar o áudio. Remova números de página, títulos repetidos e outros elementos que não devem ser lidos em voz alta. A API de fala aceita texto; ela não extrai texto de um PDF enviado nesta página.

Primeiro, verifique se a solicitação da API foi bem-sucedida e se você salvou a resposta como áudio binário. Confirme que solicitou um contêiner MP3 e que o reprodutor aceita as configurações escolhidas. Mudar o nome de um arquivo WAV para terminar em .mp3 não converte o formato do áudio.

Comece com um trecho curto para escolher a voz e conferir a pronúncia. Organize um texto mais longo em seções que possa revisar individualmente e mantenha as mesmas configurações de voz e saída entre elas. Ouça cada junção antes de montar a narração final no editor. Mantenha uma cópia do texto original para que uma correção futura não exija reescrever tudo.