Communitygithub.com

AiCurv/ADBCommander

Implémentez des capacités de synthèse vocale (TTS) avec le SDK z-ai-web-dev-sdk. Utilisez cette compétence lorsque l'utilisateur a besoin de convertir du texte en parole naturelle, de créer du contenu audio, de construire des applications vocales ou de générer des fichiers audio parlés. Prend en charge plusieurs voix, une vitesse réglable et divers formats audio.

Qu'est-ce que ADBCommander ?

Cette compétence TTS (Text-to-Speech) guide le développeur dans l'implémentation de la synthèse vocale à l'aide du SDK z-ai-web-dev-sdk, en fournissant des exemples complets pour convertir du texte en parole naturelle. Elle détaille les contraintes de l'API, telles que la limite de texte à 1024 caractères par requête, la plage de vitesse de 0,5 à 2,0, le volume de 0 à 10, et le support du streaming uniquement en format PCM. La compétence montre des exemples d'utilisation pour la conversion de base, plusieurs options de voix (comme tongtong, chuichui, xiaochen, jam, etc.), des vitesses et volumes ajustables, ainsi qu'un traitement par lots pour la génération audio en masse, avec des cas d'utilisation avancés comme l'intégration dans des routes API Next.js ou Express.js. Idéale pour les audiobooks, l'e-learning, et les assistants vocaux, elle s'appuie sur des bonnes pratiques comme la préparation du texte, la gestion des erreurs et la réutilisation de l'instance SDK pour des applications backend robustes.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/AiCurv/ADBCommander/tree/HEAD/skills/TTS

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Compétence TTS (Texte vers Parole)

Cette compétence guide l'implémentation de la fonctionnalité de synthèse vocale (TTS) à l'aide du package z-ai-web-dev-sdk, permettant la conversion de texte en parole audio naturelle.

Chemin de la compétence

Emplacement de la compétence : {project_path}/skills/TTS

Cette compétence se trouve au chemin ci-dessus dans votre projet.

Scripts de référence : Des exemples de scripts de test sont disponibles dans le répertoire {Skill Location}/scripts/ pour des tests et une référence rapides. Voir {Skill Location}/scripts/tts.ts pour un exemple fonctionnel.

Aperçu

La synthèse vocale vous permet de construire des applications qui génèrent du son parlé à partir d'un texte saisi, prenant en charge plusieurs voix, vitesses et formats de sortie pour divers cas d'utilisation.

IMPORTANT : z-ai-web-dev-sdk DOIT être utilisé uniquement dans le code backend. Ne l'utilisez jamais dans le code côté client.

Limitations et contraintes de l'API

Avant d'implémenter la fonctionnalité TTS, soyez conscient de ces limitations importantes :

Contraintes du texte d'entrée

  • Longueur maximale : 1024 caractères par requête
  • Le texte dépassant cette limite doit être divisé en morceaux plus petits

Paramètres audio

  • Plage de vitesse : 0,5 à 2,0
    • 0,5 = moitié vitesse (plus lent)
    • 1,0 = vitesse normale (par défaut)
    • 2,0 = double vitesse (plus rapide)
  • Plage de volume : Supérieur à 0, jusqu'à 10
    • Par défaut : 1,0
    • Les valeurs doivent être supérieures à 0 (exclusif) et jusqu'à 10 (inclusif)

Format et streaming

  • Limitation du streaming : Lorsque stream: true est activé, seul le format pcm est pris en charge
  • Non-streaming : Prend en charge les formats wav, pcm et mp3
  • Taux d'échantillonnage : 24000 Hz (recommandé)

Bonne pratique pour les longs textes

function splitTextIntoChunks(text, maxLength = 1000) {
  const chunks = [];
  const sentences = text.match(/[^.!?]+[.!?]+/g) || [text];
  
  let currentChunk = '';
  for (const sentence of sentences) {
    if ((currentChunk + sentence).length <= maxLength) {
      currentChunk += sentence;
    } else {
      if (currentChunk) chunks.push(currentChunk.trim());
      currentChunk = sentence;
    }
  }
  if (currentChunk) chunks.push(currentChunk.trim());
  
  return chunks;
}

Prérequis

Le package z-ai-web-dev-sdk est déjà installé. Importez-le comme indiqué dans les exemples ci-dessous.

Utilisation en ligne de commande (Pour les tâches simples)

Pour les conversions simples de texte en parole, vous pouvez utiliser la CLI z-ai au lieu d'écrire du code. Cela est idéal pour une génération audio rapide, tester les voix ou l'automatisation simple.

TTS de base

# Convertir le texte en parole (format WAV par défaut)
z-ai tts --input "Bonjour, le monde" --output ./bonjour.wav

# Utilisation d'options courtes
z-ai tts -i "Bonjour, le monde" -o ./bonjour.wav

Différentes voix et vitesses

# Utiliser une voix spécifique
z-ai tts -i "Bienvenue dans notre service" -o ./bienvenue.wav --voice tongtong

# Ajuster la vitesse de la parole (0,5-2,0)
z-ai tts -i "Ceci est un discours plus rapide" -o ./rapide.wav --speed 1.5

# Discours plus lent
z-ai tts -i "Ceci est un discours plus lent" -o ./lent.wav --speed 0.8

Différents formats de sortie

# Format MP3
z-ai tts -i "Bonjour le monde" -o ./bonjour.mp3 --format mp3

# Format WAV (par défaut)
z-ai tts -i "Bonjour le monde" -o ./bonjour.wav --format wav

# Format PCM
z-ai tts -i "Bonjour le monde" -o ./bonjour.pcm --format pcm

Sortie en streaming

# Génération audio en streaming
z-ai tts -i "Ceci est un texte plus long qui sera diffusé en continu" -o ./stream.wav --stream

Paramètres de la CLI

  • --input, -i <texte> : Requis - Texte à convertir en parole (max 1024 caractères)
  • --output, -o <chemin> : Requis - Chemin du fichier audio de sortie
  • --voice, -v <voix> : Facultatif - Type de voix (par défaut : tongtong)
  • --speed, -s <nombre> : Facultatif - Vitesse de la parole, de 0,5 à 2,0 (par défaut : 1,0)
  • --format, -f <format> : Facultatif - Format de sortie : wav, mp3, pcm (par défaut : wav)
  • --stream : Facultatif - Activer la sortie en streaming (prend uniquement en charge le format pcm)

Quand utiliser la CLI vs le SDK

Utilisez la CLI pour :

  • Les conversions rapides de texte en parole
  • Tester différentes voix et vitesses
  • La génération audio par lots simple
  • Les scripts d'automatisation en ligne de commande

Utilisez le SDK pour :

  • La génération audio dynamique dans les applications
  • L'intégration avec des services web
  • Les pipelines de traitement audio personnalisés
  • Les applications de production avec des exigences complexes

Implémentation TTS de base

Texte simple en parole

import ZAI from 'z-ai-web-dev-sdk';
import fs from 'fs';

async function textToSpeech(text, outputPath) {
  const zai = await ZAI.create();

  const response = await zai.audio.tts.create({
    input: text,
    voice: 'tongtong',
    speed: 1.0,
    response_format: 'wav',
    stream: false
  });

  // Obtenir le tableau de buffer depuis l'objet Response
  const arrayBuffer = await response.arrayBuffer();
  const buffer = Buffer.from(new Uint8Array(arrayBuffer));

  fs.writeFileSync(outputPath, buffer);
  console.log(`Audio enregistré dans ${outputPath}`);
  return outputPath;
}

// Utilisation
await textToSpeech('Bonjour, le monde !', './output.wav');

Options de voix multiples

import ZAI from 'z-ai-web-dev-sdk';
import fs from 'fs';

async function generateWithVoice(text, voice, outputPath) {
  const zai = await ZAI.create();

  const response = await zai.audio.tts.create({
    input: text,
    voice: voice, // Voix disponibles : tongtong, chuichui, xiaochen, jam, kazi, douji, luodo
    speed: 1.0,
    response_format: 'wav',
    stream: false
  });

  // Obtenir le tableau de buffer depuis l'objet Response
  const arrayBuffer = await response.arrayBuffer();
  const buffer = Buffer.from(new Uint8Array(arrayBuffer));

  fs.writeFileSync(outputPath, buffer);
  return outputPath;
}

// Utilisation
await generateWithVoice('Bienvenue dans notre service', 'tongtong', './bienvenue.wav');

Vitesse réglable

import ZAI from 'z-ai-web-dev-sdk';
import fs from 'fs';

async function generateWithSpeed(text, speed, outputPath) {
  const zai = await ZAI.create();

  // Plage de vitesse : 0,5 à 2,0 (contrainte API)
  // 0,5 = moitié vitesse (plus lent)
  // 1,0 = vitesse normale (par défaut)
  // 2,0 = double vitesse (plus rapide)
  // Les valeurs en dehors de cette plage entraîneront des erreurs API

  const response = await zai.audio.tts.create({
    input: text,
    voice: 'tongtong',
    speed: speed,
    response_format: 'wav',
    stream: false
  });

  // Obtenir le tableau de buffer depuis l'objet Response
  const arrayBuffer = await response.arrayBuffer();
  const buffer = Buffer.from(new Uint8Array(arrayBuffer));

  fs.writeFileSync(outputPath, buffer);
  return outputPath;
}

// Utilisation - narration plus lente
await generateWithSpeed('Ceci est une annonce importante', 0.8, './lent.wav');

// Utilisation - narration plus rapide
await generateWithSpeed('Mise à jour rapide', 1.3, './rapide.wav');

Volume réglable

import ZAI from 'z-ai-web-dev-sdk';
import fs from 'fs';

async function generateWithVolume(text, volume, outputPath) {
  const zai = await ZAI.create();

  // Plage de volume : supérieur à 0, jusqu'à 10 (contrainte API)
  // Les valeurs doivent être > 0 (exclusif) et <= 10 (inclusif)
  // Par défaut : 1,0 (volume normal)

  const response = await zai.audio.tts.create({
    input: text,
    voice: 'tongtong',
    speed: 1.0,
    volume: volume, // Paramètre facultatif
    response_format: 'wav',
    stream: false
  });

  // Obtenir le tableau de buffer depuis l'objet Response
  const arrayBuffer = await response.arrayBuffer();
  const buffer = Buffer.from(new Uint8Array(arrayBuffer));

  fs.writeFileSync(outputPath, buffer);
  return outputPath;
}

// Utilisation - audio plus fort
await generateWithVolume('Ceci est une annonce', 5.0, './fort.wav');

// Utilisation - audio plus faible
await generateWithVolume('Message chuchoté', 0.5, './faible.wav');

Cas d'utilisation avancés

Traitement par lots

import ZAI from 'z-ai-web-dev-sdk';
import fs from 'fs';
import path from 'path';

async function batchTextToSpeech(textArray, outputDir) {
  const zai = await ZAI.create();
  const results = [];

  // Vérifier que le répertoire de sortie existe
  if (!fs.existsSync(outputDir)) {
    fs.mkdirSync(outputDir, { recursive: true });
  }

  for (let i = 0; i < textArray.length; i++) {
    try {
      const text = textArray[i];
      const outputPath = path.join(outputDir, `audio_${i + 1}.wav`);

      const response = await zai.audio.tts.create({
        input: text,
        voice: 'tongtong',
        speed: 1.0,
        response_format: 'wav',
        stream: false
      });

      // Obtenir le tableau de buffer depuis l'objet Response
      const arrayBuffer = await response.arrayBuffer();
      const buffer = Buffer.from(new Uint8Array(arrayBuffer));

      fs.writeFileSync(outputPath, buffer);
      results.push({
        success: true,
        text,
        path: outputPath
      });
    } catch (error) {
      results.push({
        success: false,
        text: textArray[i],
        error: error.message
      });
    }
  }

  return results;
}

// Utilisation
const texts = [
  'Bienvenue au chapitre un',
  'Bienvenue au chapitre deux',
  'Bienvenue au chapitre trois'
];

const results = await batchTextToSpeech(texts, './sortie-audio');
console.log('Généré :', results.length, 'fichiers audio');

Génération de contenu dynamique

import ZAI from 'z-ai-web-dev-sdk';
import fs from 'fs';

class TTSGenerator {
  constructor() {
    this.zai = null;
  }

  async initialize() {
    this.zai = await ZAI.create();
  }

  async generateAudio(text, options = {}) {
    const {
      voice = 'tongtong',
      speed = 1.0,
      format = 'wav'
    } = options;

    const response = await this.zai.audio.tts.create({
      input: text,
      voice: voice,
      speed: speed,
      response_format: format,
      stream: false
    });

    // Obtenir le tableau de buffer depuis l'objet Response
    const arrayBuffer = await response.arrayBuffer();
    return Buffer.from(new Uint8Array(arrayBuffer));
  }

  async saveAudio(text, outputPath, options = {}) {
    const buffer = await this.generateAudio(text, options);
    if (buffer) {
      fs.writeFileSync(outputPath, buffer);
      return outputPath;
    }
    return null;
  }
}

// Utilisation
const generator = new TTSGenerator();
await generator.initialize();

await generator.saveAudio(
  'Bonjour, ceci est un test',
  './output.wav',
  { speed: 1.2 }
);

Exemple de route API Next.js

import { NextRequest, NextResponse } from 'next/server';

export async function POST(req: NextRequest) {
  try {
    const { text, voice = 'tongtong', speed = 1.0 } = await req.json();

    // Importer le SDK ZAI
    const ZAI = (await import('z-ai-web-dev-sdk')).default;

    // Créer une instance SDK
    const zai = await ZAI.create();

    // Générer l'audio TTS
    const response = await zai.audio.tts.create({
      input: text.trim(),
      voice: voice,
      speed: speed,
      response_format: 'wav',
      stream: false,
    });

    // Obtenir le tableau de buffer depuis l'objet Response
    const arrayBuffer = await response.arrayBuffer();
    const buffer = Buffer.from(new Uint8Array(arrayBuffer));

    // Retourner l'audio comme réponse
    return new NextResponse(buffer, {
      status: 200,
      headers: {
        'Content-Type': 'audio/wav',
        'Content-Length': buffer.length.toString(),
        'Cache-Control': 'no-cache',
      },
    });
  } catch (error) {
    console.error('Erreur API TTS :', error);

    return NextResponse.json(
      {
        error: error instanceof Error ? error.message : 'Échec de la génération vocale, veuillez réessayer plus tard',
      },
      { status: 500 }
    );
  }
}

Bonnes pratiques

1. Préparation du texte

function prepareTextForTTS(text) {
  // Supprimer les espaces blancs excessifs
  text = text.replace(/\s+/g, ' ').trim();

  // Développer les abréviations courantes pour une meilleure prononciation
  const abbreviations = {
    'Dr.': 'Docteur',
    'M.': 'Monsieur',
    'Mme': 'Madame',
    'etc.': 'et cetera'
  };

  for (const [abbr, full] of Object.entries(abbreviations)) {
    text = text.replace(new RegExp(abbr, 'g'), full);
  }

  return text;
}

2. Gestion des erreurs

import ZAI from 'z-ai-web-dev-sdk';
import fs from 'fs';

async function safeTTS(text, outputPath) {
  try {
    // Valider l'entrée
    if (!text || text.trim().length === 0) {
      throw new Error('Le texte d\'entrée ne peut pas être vide');
    }

    if (text.length > 1024) {
      throw new Error('Le texte d\'entrée dépasse la longueur maximale de 1024 caractères');
    }

    const zai = await ZAI.create();

    const response = await zai.audio.tts.create({
      input: text,
      voice: 'tongtong',
      speed: 1.0,
      response_format: 'wav',
      stream: false
    });

    // Obtenir le tableau de buffer depuis l'objet Response
    const arrayBuffer = await response.arrayBuffer();
    const buffer = Buffer.from(new Uint8Array(arrayBuffer));

    fs.writeFileSync(outputPath, buffer);

    return {
      success: true,
      path: outputPath,
      size: buffer.length
    };
  } catch (error) {
    console.error('Erreur TTS :', error);
    return {
      success: false,
      error: error.message
    };
  }
}

3. Réutilisation de l'instance SDK

import ZAI from 'z-ai-web-dev-sdk';

// Créer une instance singleton
let zaiInstance = null;

async function getZAIInstance() {
  if (!zaiInstance) {
    zaiInstance = await ZAI.create();
  }
  return zaiInstance;
}

// Utilisation
const zai = await getZAIInstance();
const response = await zai.audio.tts.create({ ... });

Cas d'utilisation courants

  1. Livres audio et podcasts : Convertir le contenu écrit en format audio
  2. E-learning : Créer une narration pour le contenu éducatif
  3. Accessibilité : Fournir des versions audio du contenu textuel
  4. Assistants vocaux : Générer des réponses dynamiques
  5. Annonces : Créer des notifications audio automatisées
  6. Systèmes IVR : Générer des invites pour les systèmes téléphoniques
  7. Localisation de contenu : Créer de l'audio dans différentes langues

Exemples d'intégration

Point de terminaison API Express.js

import express from 'express';
import ZAI from 'z-ai-web-dev-sdk';
import fs from 'fs';
import path from 'path';

const app = express();
app.use(express.json());

let zaiInstance;
const outputDir = './sortie-audio';

async function initZAI() {
  zaiInstance = await ZAI.create();
  if (!fs.existsSync(outputDir)) {
    fs.mkdirSync(outputDir, { recursive: true });
  }
}

initZAI();

app.post('/api/tts', async (req, res) => {
  try {
    const { text, voice = 'tongtong', speed = 1.0 } = req.body;

    if (!text) {
      return res.status(400).json({ error: 'Le texte est requis' });
    }

    const response = await zaiInstance.audio.tts.create({
      input: text,
      voice,
      speed,
      response_format: 'wav',
      stream: false
    });

    const arrayBuffer = await response.arrayBuffer();
    const buffer = Buffer.from(new Uint8Array(arrayBuffer));

    const outputPath = path.join(outputDir, `speech_${Date.now()}.wav`);
    fs.writeFileSync(outputPath, buffer);

    res.json({
      success: true,
      message: 'Audio généré avec succès',
      filePath: outputPath
    });
  } catch (error) {
    console.error('Erreur de génération audio :', error);
    res.status(500).json({
      success: false,
      error: error.message
    });
  }
});

app.listen(3000, () => {
  console.log('Serveur TTS démarré sur le port 3000');
});

Script de test unitaire

import { describe, it, expect } from 'vitest';
import ZAI from 'z-ai-web-dev-sdk';
import fs from 'fs';
import path from 'path';

const TEST_OUTPUT_DIR = './test-output';

describe('Fonctionnalité TTS', () => {
  beforeAll(async () => {
    // Créer le répertoire de sortie des tests
    if (!fs.existsSync(TEST_OUTPUT_DIR)) {
      fs.mkdirSync(TEST_OUTPUT_DIR, { recursive: true });
    }
  });

  afterAll(async () => {
    // Nettoyer les fichiers de test
    fs.rmSync(TEST_OUTPUT_DIR, { recursive: true, force: true });
  });

  it('devrait convertir du texte simple en parole', async () => {
    const zai = await ZAI.create();
    const outputPath = path.join(TEST_OUTPUT_DIR, 'test_audio.wav');

    const response = await zai.audio.tts.create({
      input: 'Ceci est un test',
      voice: 'tongtong',
      speed: 1.0,
      response_format: 'wav',
      stream: false
    });

    const arrayBuffer = await response.arrayBuffer();
    const buffer = Buffer.from(new Uint8Array(arrayBuffer));

    fs.writeFileSync(outputPath, buffer);

    // Vérifier que le fichier a été créé
    expect(fs.existsSync(outputPath)).toBe(true);

    // Vérifier que le fichier n'est pas vide
    const stats = fs.statSync(outputPath);
    expect(stats.size).toBeGreaterThan(0);
  });

  it('devrait gérer le texte vide', async () => {
    const zai = await ZAI.create();

    await expect(async () => {
      await zai.audio.tts.create({
        input: '   ',
        voice: 'tongtong',
        speed: 1.0,
        response_format: 'wav',
        stream: false
      });
    }).rejects.toThrow();
  });

  it('devrait prendre en charge différentes voix', async () => {
    const zai = await ZAI.create();
    const voices = ['tongtong', 'chuichui', 'xiaochen'];

    for (const voice of voices) {
      const outputPath = path.join(TEST_OUTPUT_DIR, `${voice}_test.wav`);

      const response = await zai.audio.tts.create({
        input: `Test avec la voix ${voice}`,
        voice: voice,
        speed: 1.0,
        response_format: 'wav',
        stream: false
      });

      const arrayBuffer = await response.arrayBuffer();
      const buffer = Buffer.from(new Uint8Array(arrayBuffer));

      fs.writeFileSync(outputPath, buffer);
      expect(fs.existsSync(outputPath)).toBe(true);
    }
  });

  it('devrait prendre en charge les vitesses réglables', async () => {
    const zai = await ZAI.create();
    const outputPath = path.join(TEST_OUTPUT_DIR, 'speed_test.wav');

    const response = await zai.audio.tts.create({
      input: 'Test de vitesse réglable',
      voice: 'tongtong',
      speed: 1.5,
      response_format: 'wav',
      stream: false
    });

    const arrayBuffer = await response.arrayBuffer();
    const buffer = Buffer.from(new Uint8Array(arrayBuffer));

    fs.writeFileSync(outputPath, buffer);
    expect(fs.existsSync(outputPath)).toBe(true);
  });
});

Options de voix

Le SDK z-ai-web-dev-sdk prend en charge plusieurs voix :

VoixCaractéristiqueMeilleur pour
tongtongVoix féminine claireContenu général, récits
chuichuiVoix féminine douceContenu apaisant, méditation
xiaochenVoix masculine professionnelleConférences, présentations
jamVoix masculine énergiquePublicité, contenu dynamique
kaziVoix féminine neutreContenu éducatif
doujiVoix masculine humoristiqueContenu de divertissement
luodoVoix féminine professionnelleCommunication d'entreprise

Individual skills in this repo

This repo contains 7 individual skills — each has its own dedicated page.

AiCurv/ADBCommander

Generate a single-file Chinese atelier-style portfolio website (horizontal-row list + hover-reveal thumb interaction, art lishu typography "Alimama DaoLiTi" via CDN, light/dark theme, hash-routed detail pages). Takes a natural-language description of the studio (name, director, discipline, works) and outputs ONE working .html file. Runs in BOTH Claude Code (writes to ~/Desktop) and GLM / online chat (outputs HTML inline). Trigger phrases include "做个中式工作室作品集", "做个隶书作品集", "lishu-portfolio-gen ...", "做个白屋风格的作品集", or when user drags this skill folder into chat asking for an atelier-style site.

AiCurv/ADBCommander

Premium calm-tech SaaS landing template — bilingual (CN/EN) literary voice over a dark forest-night palette with warm gold accent, Cormorant + Noto Serif SC, Three.js procedural forest hero, station-based scrolling narrative, custom cursor. Built for ambient-AI / creative-tool / philosophical SaaS, not loud commercial launch.

AiCurv/ADBCommander

Pro-camera HUD mockup template — full-viewport black canvas wrapping a real video with monospace overlays (corner brackets, top status bar, side AF/exposure columns, bottom timecode + aperture/shutter/ISO row, vertical 8-filter wheel, animated reticle). For cinematographer portfolios, camera-app demos, LUT pack previews, filter-look auditions. NOT a TikTok/Reels mockup, NOT a storyboard, NOT a shot list, NOT a script document. The chrome wraps real footage — never a div placeholder.

AiCurv/ADBCommander

Premium pre-launch waitlist page template — dark charcoal canvas with subtle vignette, drifting portrait video-thumbnail cards, fade-up cascades, glass nav, live-updating join counter, single email form with success/error states. Built for creative-tool / AI / niche-SaaS invite-only launches with hushed exclusive tone, not loud growth-marketing.

AiCurv/ADBCommander

Route design-related HTML artifact tasks to the right artifact skill, reference, design system generation, or export skill.

AiCurv/ADBCommander

Implement AI-powered video generation capabilities using the z-ai-web-dev-sdk. Use this skill when the user needs to generate videos from text prompts or images, create video content programmatically, or build applications that produce video outputs. Supports asynchronous task management with status polling and result retrieval.

AiCurv/ADBCommander

Implement specialized video understanding capabilities using the z-ai-web-dev-sdk. Use this skill when the user needs to analyze video content, understand motion and temporal sequences, extract information from video frames, describe video scenes, or perform video-based AI analysis. Optimized for MP4, AVI, MOV, and other common video formats.

Skills associés