Text-to-Speech

Genera audio parlato dal testo con i modelli text-to-speech di Venice e /audio/speech.

Il text-to-speech trasforma il testo scritto in audio parlato. Scegli un modello TTS, seleziona una voce supportata da quel modello, invia il testo a /audio/speech e salva la risposta audio binaria.

Usa questa guida per la generazione vocale standard. Se vuoi creare audio a partire da una voce di riferimento personalizzata, consulta Voice Cloning.

​

Utilizzo di Base

Python

import os
from pathlib import Path

import requests

response = requests.post(
    "https://api.venice.ai/api/v1/audio/speech",
    headers={
        "Authorization": f"Bearer {os.environ['VENICE_API_KEY']}",
        "Content-Type": "application/json",
    },
    json={
        "model": "tts-kokoro",
        "voice": "af_sky",
        "input": "Hello, welcome to Venice Voice.",
    },
)

response.raise_for_status()
Path("speech.mp3").write_bytes(response.content)

Il corpo della risposta di successo è audio binario nel formato predefinito del modello, non JSON. Attualmente tts-kokoro usa MP3 come formato predefinito.

​

Scelta di Modello e Voce

Le voci sono specifiche per modello. Il valore di voice deve essere valido per il model che scegli.

Usa la pagina Modelli Text-to-Speech per esplorare i modelli e le voci disponibili. Il selettore delle voci elenca gli ID esatti da passare nella richiesta.

Gli ID delle voci fanno distinzione tra maiuscole e minuscole. Se cambi modello TTS, aggiorna contemporaneamente il valore di voice.

​

Struttura della Richiesta

Parametro	Tipo	Obbligatorio	Descrizione
model	string	Sì	ID del modello text-to-speech.
voice	string	Sì	ID della voce supportata dal modello selezionato.
input	string	Sì	Testo da sintetizzare, fino a 4096 caratteri.
response_format	string	No	Formato di output richiesto: mp3, opus, aac, flac, wav o pcm. I formati supportati e quello predefinito sono specifici per modello.

​

Formato di Output

Puoi omettere response_format per usare il formato predefinito del modello. Prima di scegliere un’estensione di file o sovrascrivere il formato, interroga l’API Models per conoscere i valori correnti di default_format e supported_formats del modello:

curl "https://api.venice.ai/api/v1/models?type=tts" \
  -H "Authorization: Bearer $VENICE_API_KEY" |
  jq '.data[] | select(.id == "tts-kokoro") | .model_spec | {default_format, supported_formats}'

L’header Content-Type della risposta identifica il formato audio restituito. Richiedere un formato non supportato dal modello selezionato restituisce HTTP 400.

​

Consigli per la Produzione

• Metti in cache l’audio generato quando il testo sorgente e la voce vengono riutilizzati.
• Normalizza e revisiona il testo prima della sintesi. La punteggiatura influenza ritmo e intonazione.
• Salva l’output con l’estensione di file corretta in base al formato di risposta del modello.

​

Risorse Correlate

Devi narrare qualcosa di più lungo di poche frasi? Narrare articoli con il Text-to-Speech copre il limite di 4096 caratteri in input, la suddivisione del testo sui confini delle frasi, l’unione dei pezzi in un unico file audio e lo streaming per la riproduzione interattiva.

• API Audio Speech
• Modelli Text-to-Speech
• Narrare articoli con il Text-to-Speech
• Guida al Voice Cloning