TTS Expressif (Emotive TTS)
Première exécution : finaliser cette compétence à partir de l'API live
Le TTS Gemini est piloté par des instructions stylistiques en langage naturel. Avant la première utilisation, récupérez la documentation actuelle de la synthèse vocale Gemini, confirmez l'ID du modèle dans config/models.yaml, listez les voix disponibles, et mettez à jour scripts/tts.py ainsi que ce fichier avec tout ce qui diffère (noms de voix, syntaxe des consignes de style, support multi-locuteur, fréquence d'échantillonnage). Testez trois voix sur le paragraphe p01 et laissez l'utilisateur choisir. Supprimez ensuite cette section.
Utilisation
python scripts/tts.py work/<slug>/script.md work/<slug>/vo/
Le script transforme la balise entre crochets de chaque paragraphe en une instruction de style :
- personnalité de base, toujours ajoutée : "Lire comme un conférencier universitaire chaleureux et posé s'adressant à une petite salle. Pauses naturelles aux virgules. Jamais précipité, jamais théâtral."
- balise ajoutée : "Ton pour ce passage : ."
Un fichier WAV par paragraphe permet de refaire facilement les prises. vo/timing.json enregistre chaque durée pour l'assemblage.
Prononciation
config/pronunciations.yaml associe les formes écrites aux formes parlées et n'est appliqué qu'à l'entrée TTS, afin que les sous-titres affichent toujours "835". Il est lu comme "huit trente-cinq", jamais "huit cent trente-cinq". Ajoutez tout terme qu'une voix mal interprète.
Niveau de qualité
Rendez d'abord le p01 seul. Si la lecture semble chantante ou surjouée, adoucissez le libellé de la balise au lieu d'ajouter des mots d'émotion.