Source: https://ailoot.ai/docs/fr/api/audio/ Canonical: https://ailoot.ai/docs/fr/api/audio/ Language: fr [API](https://ailoot.ai/docs/fr/) # Audio [Markdown](https://ailoot.ai/docs/fr/api/audio/index.md) Synthèse vocale (TTS) et reconnaissance vocale (STT) au format OpenAI Audio. POST`https://api.ailoot.ai/v1/audio/speech` Audio ```bash # Synthèse vocale curl https://api.ailoot.ai/v1/audio/speech \ -H "Authorization: Bearer $AILOOT_API_KEY" \ -H "Content-Type: application/json" \ -d '{"model": "qwen-audio-3.0-tts-plus", "input": "Bonjour ! Voici un exemple de synthèse vocale.", "voice": "longanlingxin"}' \ --output speech.mp3 # Reconnaissance curl https://api.ailoot.ai/v1/audio/transcriptions \ -H "Authorization: Bearer $AILOOT_API_KEY" \ -F model=qwen-asr \ -F file=@meeting.wav ``` ```python # Reconnaissance vocale with open("meeting.wav", "rb") as f: tr = client.audio.transcriptions.create(model="qwen-asr", file=f) print(tr.text) ``` 200 OK · transcription ```json { "text": "Bonjour, chers collègues. Commençons par le bilan de la semaine…" } ``` ## Autorisation | Paramètre | Type | Obligatoire | Description | | --- | --- | --- | --- | | `Authorization` | header | obligatoire | Clé au format `Bearer sk-…`. Les en-têtes suivants conviennent également : `x-api-key` ou `x-goog-api-key`. | ## Synthèse vocale : corps de la requête | Paramètre | Type | Obligatoire | Description | | --- | --- | --- | --- | | `model` | string | obligatoire | Modèle de synthèse vocale : `gemini-3.8-flash-tts`, `qwen-audio-3.0-tts-plus`, `speech-2.8-turbo`, `gemini-3.8-flash-lite-tts`, `speech-2.8-hd`, `gemini-3.1-flash-tts-preview`, `speech-2.6-turbo`, `speech-2.6-hd`, `speech-02-turbo`, `speech-02-hd`. | | `input` | string | obligatoire | Texte à lire. Pour les modèles MiniMax, moins de 10 000 caractères ; pour `qwen-audio-3.0-tts-plus` — jusqu’à 600. | | `voice` | string | | Voix. **Obligatoire pour les modèles MiniMax** (`speech-2.8-hd` et les autres `speech-…`) : identifiant de voix MiniMax (lettres latines, chiffres, `_` et `-`, jusqu’à 128 caractères). Pour `qwen-audio-3.0-tts-plus` par défaut `longanlingxin`, pour les modèles Gemini TTS : `Kore`. | | `response_format` | string | facultatif | MiniMax : uniquement `mp3`; `qwen-audio-3.0-tts-plus` — `mp3`, `wav` ou `pcm`; Gemini TTS : `wav` ou `json` (lien vers le fichier). | La réponse est un fichier audio (pour MiniMax : `audio/mpeg`). Le paiement se fait par caractère de texte ou par token, comme indiqué dans le catalogue. ## Reconnaissance vocale POST`https://api.ailoot.ai/v1/audio/transcriptions` | Paramètre | Type | Obligatoire | Description | | --- | --- | --- | --- | | `file` | file | obligatoire | Fichier audio WAV au format `multipart/form-data`. `qwen-asr`, `qwen-asr-latest` et `qwen-audio-3.0-asr-flash` : WAV PCM complet, non compressé, jusqu’à 5 minutes ; fichier d’environ 7,5 Mo au maximum (en base64, jusqu’à 10 Mo). `asr-1.0` : WAV PCM jusqu’à 500 secondes et 50 Mo. `gemini-3.5-transcribe` : WAV jusqu’à 64 Mo. | | `model` | string | obligatoire | Modèle de reconnaissance vocale : `gemini-3.5-transcribe`, `qwen-audio-3.0-asr-flash`, `asr-1.0`. | | `response_format` | string | facultatif | Uniquement `json` (ou ne pas renseigner). | Le champ `language` n’est pas utilisé par ces modèles. Réponse : `{"text": "…"}`. Le paiement se fait selon la durée de l’enregistrement (secondes, minutes ou heures : chaque modèle a sa propre unité). ## Voix en temps réel Pour `qwen-audio-3.0-realtime-plus` ouvrez un WebSocket `wss://api.ailoot.ai/v1/realtime?model=qwen-audio-3.0-realtime-plus` avec l’en-tête `Authorization: Bearer `. Transmettez la clé depuis le serveur : les clés dans la query string ne sont pas acceptées. Attendez `session.created` avec le modèle choisi, puis envoyez les paramètres, le message et `response.create`. Voici trois trames textuelles JSON successives pour obtenir une réponse textuelle dans une session audio : ```json {"type":"session.update","session":{"modalities":["text"],"turn_detection":null,"max_history_turns":20,"instructions":"Soyez bref."}} ``` ```json {"type":"conversation.item.create","item":{"type":"message","role":"user","content":[{"type":"input_text","text":"Dites oui."}]}} ``` ```json {"type":"response.create"} ``` Lisez les événements de réponse jusqu’à `response.done` et ses données usage finales ; les erreurs arrivent dans un événement `error`. Le paiement porte sur les tokens texte et audio de chaque réponse confirmée. Entrée audio : événement `input_audio_buffer.append` avec `audio` — base64 PCM16 mono 16 kHz ; puis `input_audio_buffer.commit` et `response.create`. La sortie audio est en PCM16 mono 24 kHz. Les trames binaires ne sont pas acceptées dans cette session. Événements clients pris en charge : `session.update`, `input_audio_buffer.append/commit/clear`, `response.create/cancel`, `conversation.item.create/retrieve/delete`. Les éléments de conversation se limitent aux messages et au texte ; les outils de fonction, la recherche web et voiceprint ne sont pas pris en charge. Limites de la session : 600 secondes, 20 réponses, 20 tours de conversation dans l’historique, 2000 octets pour instructions et 8000 octets de texte client. Le délai d’inactivité dépend de la configuration (60 secondes par défaut). Le mode vocal décrit ici est `qwen-audio-3.0-realtime-plus`; les autres modèles en temps réel ont leurs propres règles. Le chemin `/v1/realtime/sessions` et les tokens temporaires (ephemeral tokens) ne sont pas pris en charge. Encore des questions ? Envoyez le Request ID et une description : nous vous aiderons à comprendre.[Contacter l’assistance](mailto:support@ailoot.ai) ## Ailoot · L’entreprise et son portefeuille de projets Ailoot s’appuie sur une expérience opérationnelle éprouvée, une large clientèle, un service stable et un suivi continu des KPI. L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois. Ailoot met cette expérience opérationnelle au service de l’accès API aux fonctions d’IA dans les produits des clients, leurs agents, applications et automatisations.