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: trueest activé, seul le formatpcmest pris en charge - Non-streaming : Prend en charge les formats
wav,pcmetmp3 - 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
- Livres audio et podcasts : Convertir le contenu écrit en format audio
- E-learning : Créer une narration pour le contenu éducatif
- Accessibilité : Fournir des versions audio du contenu textuel
- Assistants vocaux : Générer des réponses dynamiques
- Annonces : Créer des notifications audio automatisées
- Systèmes IVR : Générer des invites pour les systèmes téléphoniques
- 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 :
| Voix | Caractéristique | Meilleur pour |
|---|---|---|
tongtong | Voix féminine claire | Contenu général, récits |
chuichui | Voix féminine douce | Contenu apaisant, méditation |
xiaochen | Voix masculine professionnelle | Conférences, présentations |
jam | Voix masculine énergique | Publicité, contenu dynamique |
kazi | Voix féminine neutre | Contenu éducatif |
douji | Voix masculine humoristique | Contenu de divertissement |
luodo | Voix féminine professionnelle | Communication d'entreprise |