---
title: "API de synthèse vocale hébergée en Europe · compatible OpenAI"
description: "Générez une voix naturelle à partir de texte avec une API text to speech compatible OpenAI. Modèles vocaux ouverts pour apps et serveurs vocaux, dans l'UE."
canonical: "https://inference.eu/fr/api/audio-speech/"
language: "fr"
---

POST /v1/audio/speech

# API text to speech : des voix compatibles OpenAI, traitées dans l'UE

Le point de terminaison speech transforme du texte en audio parlé grâce à des modèles ouverts de synthèse vocale. Il reprend la requête de \`/v1/audio/speech\` chez OpenAI : les fonctions vocales conçues pour cette API, du bouton de lecture au serveur vocal interactif en passant par les agents vocaux, passent sur des modèles hébergés dans des centres de données européens en changeant l'URL de base, la clé, le modèle et la voix.

[Contacter l'équipe](https://inference.eu/fr/contact/)[Exemple de requête](#example)

1.  01Format d'API: OpenAI
2.  02Centres de données dans l'UE
3.  03Couvert par un seul DPA

POST /v1/audio/speech

```
curl https://api.inference.eu/v1/audio/speech \
  -H "Authorization: Bearer $INFERENCE_EU_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kokoro-82m",
    "voice": "bf_emma",
    "input": "Your parcel has left our depot in Rotterdam and will arrive tomorrow between nine and twelve.",
    "response_format": "mp3",
    "speed": 1.0
  }' \
  --output delivery-update.mp3
```

## Ce que fait le point de terminaison

`POST /v1/audio/speech` reçoit un corps JSON avec le `model`, le texte dans `input` et une `voice`, et renvoie directement le fichier audio au lieu d'un JSON. Enregistrez-le tel quel, comme dans l'exemple curl avec `--output`, ou lisez-le dans votre application. L'en-tête `Content-Type` indique le format audio.

Les modèles vocaux ouverts diffèrent par leurs langues et leurs voix. Chaque page modèle les liste, et les identifiants de voix sont propres au modèle : une voix OpenAI comme `alloy` n'existe pas sur un modèle ouvert, choisissez donc l'une des voix du modèle.

## Les champs essentiels de la requête

`input` contient le texte à prononcer. Rédigez-le tel qu'il doit sonner : écrivez en toutes lettres les abréviations, unités et nombres inhabituels si le modèle les lit mal, et jouez sur la ponctuation pour les pauses. Les textes longs se découpent en plusieurs requêtes, phrase par phrase.

`response_format` fixe le format : `mp3` convient au web et aux applications, `opus` est compact et adapté au streaming et à la téléphonie, `wav` et `pcm` sont non compressés pour un traitement ultérieur, et la plupart des modèles proposent aussi `aac` et `flac`. `speed` règle le débit, 1.0 étant la vitesse normale. Les modèles qui le permettent acceptent `instructions` pour orienter le ton.

## Un schéma éprouvé pour les fonctions vocales

Un assistant vocal enchaîne trois appels : transcription de la question, chat completions pour la réponse, synthèse vocale pour la restituer. Pour qu'il réagisse vite, diffusez la réponse du chat en streaming, découpez-la en phrases à mesure qu'elles arrivent et envoyez chaque phrase au point de terminaison speech pendant que la suivante se génère. Lisez les extraits dans l'ordre.

Pour les messages fixes, comme les menus téléphoniques ou l'audio d'accueil, générez les fichiers une fois et mettez-les en cache au lieu d'appeler l'API à chaque lecture. Notez le modèle et la voix utilisés pour que les ajouts ultérieurs sonnent pareil.

## Erreurs et cas particuliers

Une `voice` inconnue du modèle choisi renvoie une erreur 400 qui la nomme ; consultez la page modèle ou demandez-nous la liste. Un `input` vide ou trop long pour une requête renvoie aussi un 400. Comme une réponse réussie est de l'audio binaire, vérifiez le statut HTTP avant d'enregistrer le corps, sinon vous risquez d'écrire un message d'erreur JSON dans un fichier mp3.

La prononciation des noms, des marques et des textes mêlant plusieurs langues varie selon les modèles. Testez avec vos vrais contenus et réécrivez phonétiquement dans `input` un mot systématiquement mal prononcé. Signalez la voix générée par IA lorsque la loi ou votre politique l'exige.

## Text to speech

Endpoint

POST /v1/audio/speech

Catégorie

Endpoints

Format d'API

OpenAI

Base URL

api.inference.eu/v1

Traitement

Centres de données dans l'UE

Entraînement sur vos données

Jamais

## Text to speech : questions fréquentes

Les questions que nous posent le plus les achats, les développeurs et les juristes. Il en manque une ? Posez-la-nous directement.

Oui. Le chemin, les champs JSON et la réponse binaire suivent \`/v1/audio/speech\` d'OpenAI : \`client.audio.speech.create\` fonctionne dans les SDK OpenAI avec l'URL de base et la clé d'inference.eu. Remplacez \`model\` par un modèle vocal ouvert et \`voice\` par l'une de ses voix.

Non. Chaque modèle définit ses propres voix, et celles d'OpenAI appartiennent à ses modèles. Choisissez une voix du modèle ouvert que vous appelez ; chaque page modèle les liste. Fixez une voix par langue et par usage dans votre configuration pour pouvoir la changer plus tard.

Cela dépend du modèle. Certains modèles vocaux ouverts se concentrent sur l'anglais et quelques autres langues, d'autres couvrent davantage de langues européennes. Vérifiez les langues prises en charge sur la page du modèle et testez la prononciation avec de vraies phrases de votre produit avant de choisir.

Réglez \`response\_format\` sur \`mp3\`, \`opus\`, \`aac\`, \`flac\`, \`wav\` ou \`pcm\`, selon ce que le modèle prend en charge. \`mp3\` convient à la plupart des applications, \`opus\` est efficace pour le streaming et les appels, \`wav\` ou \`pcm\` sont préférables si vous retraitez l'audio.

N'attendez pas la réponse complète du chat. Diffusez le texte en streaming, coupez-le en phrases et envoyez chaque phrase terminée au point de terminaison speech. La première phrase se lit pendant que les suivantes se génèrent, et l'assistant vocal paraît beaucoup plus réactif.

Chaque requête a une longueur d'entrée maximale qui dépend du modèle et de votre offre, et nous vous la confirmons. Pour un long article ou document, découpez le texte par phrases ou paragraphes, générez chaque partie et assemblez les fichiers audio dans l'ordre.

Les droits dépendent de la licence du modèle vocal, indiquée sur chaque page modèle. La plupart des modèles vocaux ouverts autorisent l'usage commercial, mais vérifiez la licence et les règles sur l'imitation de personnes réelles. Lorsque vos utilisateurs entendent une voix générée par IA, signalez-le comme l'exige la loi ou votre politique.

Non. Le texte est traité dans des centres de données de l'UE pour produire l'audio et n'est pas utilisé pour entraîner des modèles. L'audio vous est renvoyé dans la réponse ; à vous de décider de son stockage et de sa diffusion.

[Poser une question](https://inference.eu/fr/contact/)

## Pages liées

[Présentation de l'API](https://inference.eu/fr/api/)

-   [Speech to textTranscrivez vos fichiers audio avec Whisper via une API speech to text compatible OpenAI. Réunions, appels et notes vocales, traités dans l'UE.Endpoints](https://inference.eu/fr/api/audio-transcriptions/)
-   [Chat completionsEnvoyez vos messages à des modèles open-weight au format chat completions d'OpenAI. Traitement dans des centres de données de l'UE, sans entraînement.Endpoints](https://inference.eu/fr/api/chat-completions/)
-   [StreamingRecevez les tokens des modèles ouverts au fil de la génération, en server-sent events aux formats OpenAI et Anthropic. Exemples, fragments et erreurs.Guides](https://inference.eu/fr/api/streaming/)

## Faites passer vos charges IA sur une infrastructure européenne

Dites-nous quels modèles vous utilisez et votre volume approximatif. Nous répondons sous un jour ouvré avec un tarif et la suite.

-   Réponse sous un jour ouvré
-   Tarif adapté à votre volume
-   DPA prêt à signer