Synthétiser la parole à partir de documents
🤖/text/speak effectue la synthèse vocale de documents.

Vous pouvez utiliser l’audio que nous renvoyons dans votre application, ou le transmettre à d’autres Robots pour ajouter une piste vocale à une vidéo, par exemple.
Un autre cas d’utilisation courant consiste à rendre votre produit accessible aux personnes présentant des troubles de la lecture.
Transloadit s’efforce d’être déterministe, mais ce Robot utilise des services d’IA tiers. Les fournisseurs (AWS, GCP, ElevenLabs) feront évoluer leurs modèles au fil du temps, ce qui donnera des réponses différentes pour un même média en entrée. Évitez de vous appuyer sur des réponses exactes dans vos tests et votre application.
Utiliser ElevenLabs
Définissez provider sur "elevenlabs" pour utiliser les voix Multilingual v2 d’ElevenLabs
(eleven_multilingual_v2), dont la version est figée pour que le résultat ne change pas à votre insu. Chaque langue prise en charge
propose les voix female-1 et male-1, chacune correspondant à une voix qu’ElevenLabs
maintient disponible à long terme. Ces voix parlent la langue de votre texte : ElevenLabs la détecte, donc
target_language sert uniquement à sélectionner une langue parmi celles prises en charge et ne permet pas d’orienter la prononciation
des mots ambigus. ElevenLabs ne lit que du texte brut, donc ssml doit rester sur false, et il
prononce au maximum les 10 000 premiers caractères.
Pour la production, nous recommandons d’utiliser votre propre compte ElevenLabs. Enregistrez votre clé sous
elevenlabs_api_key dans un ensemble d’informations d’identification de Template de type Fournisseurs d’IA et référencez-le avec
credentials. Avec votre propre compte, vous disposez de vos propres limites et crédits ElevenLabs.
ElevenLabs vous facture directement, et Transloadit ne facture que ses frais : 30 % du tarif public d’ElevenLabs
de $0,08 pour 1 000 caractères, avec un minimum de $0,0005 par Step.
Le compte ElevenLabs partagé de Transloadit est le compte par défaut et un moyen rapide de faire des essais. Ses crédits et sa capacité sont partagés par tous les clients ; votre Step peut donc être retardé ou refusé pour des raisons indépendantes de votre volonté. Avec ce compte, Transloadit facture le tarif public d’ElevenLabs de $0,08 pour 1 000 caractères, plus des frais de 30 %, avec un minimum de $0,05 par Step.
Avec l’un ou l’autre compte, Transloadit réessaie jusqu’à deux fois les réponses HTTP 429 de limite ; si la limite persiste, le Step échoue. Les crédits épuisés entraînent un échec sans nouvelle tentative. Lorsque les frais habituels liés au volume de données du Step sont plus élevés que les tarifs ci-dessus, ce sont ces frais qui s’appliquent. Si ElevenLabs rejette votre clé, le Step échoue ; Transloadit n’utilise jamais sa propre clé en remplacement.
Langues et voix prises en charge
AWS
| Langue | Voix |
|---|---|
arb | female-1 |
cmn-CN | female-1 |
cy-GB | female-1 |
da-DK | female-1, male-1 |
de-DE | female-1, male-1 |
en-AU | female-1, male-1 |
en-GB | female-1, male-1 |
en-GB-WLS | male-1 |
en-IN | female-1 |
en-US | female-1, female-child-1, male-1, male-child-1 |
es-ES | female-1, male-1 |
es-MX | female-1 |
es-US | female-1, male-1 |
fr-CA | female-1 |
fr-FR | female-1, male-1 |
hi-IN | female-1 |
is-IS | female-1, male-1 |
it-IT | female-1, male-1 |
ja-JP | female-1, male-1 |
ko-KR | female-1 |
nb-NO | female-1 |
nl-NL | female-1, male-1 |
pl-PL | female-1, male-1 |
pt-BR | female-1, male-1 |
pt-PT | female-1, male-1 |
ro-RO | female-1 |
ru-RU | female-1, male-1 |
sv-SE | female-1 |
tr-TR | female-1 |
ELEVENLABS
| Langue | Voix |
|---|---|
ar-XA | female-1, male-1 |
bg-BG | female-1, male-1 |
cmn-CN | female-1, male-1 |
cs-CZ | female-1, male-1 |
da-DK | female-1, male-1 |
de-DE | female-1, male-1 |
el-GR | female-1, male-1 |
en-AU | female-1, male-1 |
en-GB | female-1, male-1 |
en-US | female-1, male-1 |
es-ES | female-1, male-1 |
es-MX | female-1, male-1 |
fi-FI | female-1, male-1 |
fil-PH | female-1, male-1 |
fr-CA | female-1, male-1 |
fr-FR | female-1, male-1 |
hi-IN | female-1, male-1 |
hr-HR | female-1, male-1 |
id-ID | female-1, male-1 |
it-IT | female-1, male-1 |
ja-JP | female-1, male-1 |
ko-KR | female-1, male-1 |
ms-MY | female-1, male-1 |
nl-NL | female-1, male-1 |
pl-PL | female-1, male-1 |
pt-BR | female-1, male-1 |
pt-PT | female-1, male-1 |
ro-RO | female-1, male-1 |
ru-RU | female-1, male-1 |
sk-SK | female-1, male-1 |
sv-SE | female-1, male-1 |
ta-IN | female-1, male-1 |
tr-TR | female-1, male-1 |
uk-UA | female-1, male-1 |
GCP
| Langue | Voix |
|---|---|
ar-XA | female-1, male-1 |
bn-IN | female-1, male-1 |
cmn-CN | female-1, male-1 |
cmn-TW | female-1, male-1 |
cs-CZ | female-1 |
da-DK | female-1, male-1 |
de-DE | female-1, male-1 |
el-GR | female-1 |
en-AU | female-1, male-1 |
en-GB | female-1, male-1 |
en-IN | female-1, male-1 |
en-US | female-1, female-2, female-3, male-1 |
es-ES | female-1, male-1 |
fi-FI | female-1 |
fil-PH | female-1, male-1 |
fr-CA | female-1, male-1 |
fr-FR | female-1, male-1 |
gu-IN | female-1, male-1 |
hi-IN | female-1, male-1 |
hu-HU | female-1 |
id-ID | female-1, male-1 |
it-IT | female-1, male-1 |
ja-JP | female-1, male-1 |
kn-IN | female-1, male-1 |
ko-KR | female-1, male-1 |
ml-IN | female-1, male-1 |
nb-NO | female-1, male-1 |
nl-NL | female-1, male-1 |
pl-PL | female-1, male-1 |
pt-BR | female-1 |
pt-PT | female-1, male-1 |
ro-RO | female-1 |
ru-RU | female-1, male-1 |
sk-SK | female-1 |
sv-SE | female-1 |
ta-IN | female-1, male-1 |
te-IN | female-1, male-1 |
th-TH | female-1 |
tr-TR | female-1, male-1 |
uk-UA | female-1 |
vi-VN | female-1, male-1 |
yue-HK | female-1, male-1 |
Exemple d’utilisation
Effectuer la synthèse vocale de documents texte téléversés avec une voix féminine en anglais américain :
{
"steps": {
"synthesized": {
"provider": "aws",
"robot": "/text/speak",
"target_language": "en-US",
"use": ":original",
"voice": "female-1"
}
}
}Paramètres
interpolateboolean | Record<string, boolean>Détermine si les Assembly Variables sont interpolées pour chaque champ d’instruction.
Par défaut, la plupart des champs d’instruction des Robots interpolent les Assembly Variables. Définissez ce paramètre sur
falsepour traiter tous les champs d’instruction comme du texte littéral, ou définissez le chemin d’un champ individuel surfalsepour traiter uniquement ce champ comme du texte littéral. Pour les champs propres à un Robot qui sont littéraux par défaut, définissez ce paramètre surtrueou définissez le chemin de ce champ surtruepour réactiver l’interpolation.Utilisez des noms de champs tels que
path, ou des chemins avec points tels queffmpeg.vfpour les objets imbriqués.output_metaRecord<string, boolean> | boolean | Array<string>Demande des métadonnées coûteuses en CPU, désactivées par défaut pour accélérer les Assemblies.
Pour les images,
"has_transparency": truedétecte la transparence et"dominant_colors": trueextrait les couleurs hexadécimales. Ajoutez"dominant_colors_sampled": truepour obtenir plus rapidement des couleurs approximatives à partir de versions réduites de l’image. L’échantillonnage nécessitedominant_colorset ne modifie ni les octets de l’image ni la facturation. Sa méthode et sa palette peuvent varier. Omettez-le ou désactivez-le pour obtenir des couleurs en pleine résolution.Pour les images, vous pouvez également ajouter
"blurhash": truepour extraire une chaîne BlurHash — une représentation compacte d’un espace réservé pour l’image, utile pour afficher un aperçu flou pendant le chargement de l’image complète.Pour les images,
"thumbhash": trueextrait plutôt un ThumbHash encodé en base64 dansmeta.thumbhash, accompagné demeta.has_alpha(qui indique si un canal alpha existe, même lorsque l’image est entièrement opaque). Il décrit les pixels orientés selon les données EXIF et utilise la première image des images animées. L’extraction est effectuée au mieux : les images de plus de 40 mégapixels, les formats non pris en charge ou un échec de décodage ou un décodage limité ne produisent aucun espace réservé. Une extraction réussie ajoute des frais de métadonnées équivalents à 20 % des octets de ce fichier. Aucun supplément ThumbHash ne s’applique lorsque l’option est désactivée ou lorsqu’aucun hash n’est produit.Définissez cette option sur le Step qui produit l’image, par exemple
/upload/handlepour les originaux téléversés ou/image/resizepour les sorties traitées. La définir uniquement sur/transloadit/storene demande pas l’extraction : le stockage conserve les métadonnées du Step producteur. Transloadit Storage conserve un hash généré avec sa version immuable et le renvoie dans les résultats stockés et lors des lectures natives de ressources. Les téléversements directs vers S3 ne génèrent pas d’espaces réservés. Un espace réservé contient des informations sur l’image : protégez-le donc avec les mêmes contrôles d’accès que l’image complète.Pour les vidéos, vous pouvez ajouter le paramètre
"colorspace": truepour extraire l’espace colorimétrique de la vidéo de sortie.Pour les vidéos, vous pouvez également ajouter
"interlaced": truepour détecter si la vidéo est entrelacée. Cette option combine l’indicateur ffprobe peu coûteuxfield_orderavec une passe d’échantillonnageidetlimitée sur les premières images de la source, et exposeinterlaced,field_orderainsi qu’un objet de diagnosticinterlace_detectionsousfile.meta. Cette opération est coûteuse en calcul et facturée en conséquence.Pour l’audio, vous pouvez ajouter
"mean_volume": truepour obtenir une valeur unique représentant le volume moyen du fichier audio.Vous pouvez également définir cette option sur
falsepour ignorer l’extraction des métadonnées et accélérer le transcodage.user_metaRecord<string, any>(par défaut :{})Ajoute des métadonnées JSON personnalisées à chaque fichier émis sans modifier son contenu. Les objets et tableaux imbriqués sont pris en charge.
L’héritage dépend du Robot. Les valeurs sont fusionnées avec la valeur
user_metaexistante du fichier de sortie ; le Step actuel remplace les clés de premier niveau correspondantes. Attribuez explicitement les clés requises lorsqu’un Robot crée de nouvelles sorties.Dans les Steps de traitement,
${file.*}désigne la première entrée et${result.*}le fichier émis. Les valeurs sont évaluées pour chaque sortie après l’exécution du Robot, avant l’extraction ultérieure des métadonnées et le stockage temporaire. Sur:original, les valeurs sont évaluées pour chaque téléversement avant l’extraction des métadonnées.Les Steps en aval lisent
${file.user_meta.key}. Consultez Métadonnées personnalisées pour un exemple complet et les règles d’héritage.resultboolean(par défaut :false)Indique si les résultats de ce Step doivent figurer dans l’Assembly Status JSON
queuebatchDéfinir la file d’attente sur « batch » abaisse manuellement la priorité des Jobs de ce Step afin d’éviter de consommer des emplacements prioritaires de Jobs pour des Jobs qui n’ont pas besoin d’un temps d’attente nul dans la file
force_acceptboolean(par défaut :false)Forcer un Robot à accepter un type de fichier qu’il aurait ignoré.
Par défaut, les Robots ignorent les fichiers qu’ils ne connaissent pas. Le Robot 🤖/video/encode, par exemple, ignorera volontiers les images en entrée.
Avec le paramètre
force_acceptdéfini surtrue, vous pouvez forcer les Robots à accepter tous les fichiers qui leur sont envoyés. Cela entraîne généralement des erreurs et ne doit être utilisé que pour le débogage ou pour traiter des cas limites.ignore_errorsboolean | Array<meta | execute>(par défaut :[])Ignore les erreurs pendant certaines phases du traitement.
Si vous définissez cette valeur sur
["meta"], le Robot ignorera les erreurs lors de l’extraction des métadonnées.Si vous définissez cette valeur sur
["execute"], le Robot ignorera les erreurs lors de la phase d’exécution principale.Définir cette valeur sur
trueéquivaut à["meta", "execute"]: les erreurs seront alors ignorées dans les deux phases.usestring | Array<string> | Array<object> | objectIndique quel(s) Step(s) utiliser comme entrée.
- Vous pouvez choisir n’importe quel nom pour les Steps, sauf
":original"(réservé aux téléversements des utilisateurs gérés par Transloadit) - Vous pouvez fournir plusieurs Steps en entrée à l’aide de tableaux :
{ "use": [ ":original", "encoded", "resized" ] } - Vous pouvez également étiqueter les Steps d’entrée avec
aspour transmettre une intention sémantique aux Robots :{ "use": [ { "name": ":original", "as": "image" }, { "name": ":original", "as": "mask" } ] }
AstuceC’est probablement tout ce que vous devez savoir sur
use, mais vous pouvez consulter les cas d’utilisation avancés.- Vous pouvez choisir n’importe quel nom pour les Steps, sauf
promptstring | nullLe texte à prononcer. Vous pouvez également définir ce paramètre sur
nullet fournir un fichier texte en entrée.providerauto | aws | elevenlabs | gcp(par défaut :"auto")Choisit le meilleur fournisseur en fonction de votre requête.
Sélectionnez un fournisseur spécifique pour remplacer la sélection automatique.
"auto"utilise"aws"et ne sélectionne jamais"elevenlabs".credentialsstringLe nom d’un ensemble d’informations d’identification de Template de type Fournisseurs d’IA contenant votre propre
elevenlabs_api_key. Seul le fournisseur"elevenlabs"utilise cet ensemble.target_languagestring(par défaut :"en-US")La langue dans laquelle le document est rédigé. Ce sera également la langue du texte prononcé.
La langue doit être spécifiée au format BCP-47, par exemple
"en-GB","de-DE"ou"fr-FR". Veuillez consulter la liste des langues et des voix prises en charge.voicefemale-1 | female-2 | female-3 | female-child-1 | male-1 | male-child-1(par défaut :"female-1")Le genre de voix à utiliser pour la synthèse vocale. Veuillez consulter la liste des langues et des voix prises en charge.
ssmlboolean(par défaut :false)Fournissez du Speech Synthesis Markup Language plutôt que du texte brut afin de mieux contrôler la manière dont votre texte est lu, notamment les pauses et la prononciation.
Veuillez consulter les syntaxes prises en charge par AWS et GCP. Le fournisseur
"elevenlabs"n’accepte pas SSML.