Installer la compétence CLI belt :
npx skills add belt-sh/cli
Génération de Voix IA
Générez des voix IA naturelles via l'interface en ligne de commande inference.sh.
Démarrage Rapide
Nécessite l'interface en ligne de commande inference.sh (
belt). Instructions d'installation
belt login
# Générer de la parole
belt app run infsh/kokoro-tts --input '{
"prompt": "Bonjour ! Ceci est une voix générée par IA qui sonne naturelle et engageante.",
"voice": "af_sarah"
}'
Modèles Disponibles
| Modèle | ID de l'App | Idéal pour |
|---|---|---|
| Inworld TTS-2 | inworld/text-to-speech-2 | 100+ langues, émotions/gestions non verbales, modes de diffusion |
| Inworld TTS 1.5 Max | inworld/text-to-speech-1-5-max | Faible latence (<200ms), 15 langues |
| Inworld TTS 1.5 Mini | inworld/text-to-speech-1-5-mini | Latence ultra-faible (~120ms), 15 langues, temps réel |
| ElevenLabs TTS | elevenlabs/tts | Qualité premium, 22+ voix, 32 langues |
| ElevenLabs Voice Changer | elevenlabs/voice-changer | Transformer des enregistrements vocaux existants |
| Kokoro TTS | infsh/kokoro-tts | Naturel, voix multiples |
| DIA | infsh/dia-tts | Conversationnel, expressif |
| Chatterbox | infsh/chatterbox | Décontracté, divertissement |
| Higgs | infsh/higgs-tts | Narration professionnelle |
| VibeVoice | infsh/vibevoice | Gamme émotionnelle |
Bibliothèque de Voix Kokoro
Anglais Américain
| ID de la Voix | Genre | Style |
|---|---|---|
af_sarah | Féminin | Chaleureux, amical |
af_nicole | Féminin | Professionnel |
af_sky | Féminin | Jeune |
am_michael | Masculin | Autoritaire |
am_adam | Masculin | Conversationnel |
am_echo | Masculin | Clair, neutre |
Anglais Britannique
| ID de la Voix | Genre | Style |
|---|---|---|
bf_emma | Féminin | Raffiné |
bf_isabella | Féminin | Chaleureux |
bm_george | Masculin | Classique |
bm_lewis | Masculin | Moderne |
Inworld TTS — Voix de Personnages & d'Émotions
Inworld TTS-2 est spécialement conçu pour les voix de personnages, les jeux vidéo et la parole expressive. Utilisez des [crochets] en ligne pour les émotions, les non-verbaux et le contrôle de la diffusion :
# Voix expressive de personnage avec guidage émotionnel
belt app run inworld/text-to-speech-2 --input '{
"text": "[excité] Oh waouh, vous avez vraiment trouvé l'artefact ancien ! [soufflé] Je n'arrive pas à y croire... [murmure] Il faut garder cela entre nous.",
"voice_id": "Sarah",
"delivery_mode": "CREATIVE"
}'
# Narrateur calme avec diffusion stable
belt app run inworld/text-to-speech-2 --input '{
"text": "Le soleil se couchait derrière les montagnes, projetant de longues ombres sur la vallée. Un nouveau chapitre allait commencer.",
"voice_id": "Sarah",
"delivery_mode": "STABLE"
}'
Modes de diffusion : STABLE (constant, narration), BALANCED (naturel, par défaut), CREATIVE (expressif, personnages)
Exemples de guidage : [rire], [soupir], [murmure], [excité], [triste], [en colère], [pause], [soufflé]
Voix intégrées (271+ dans 15 langues) : Sarah, Alex, Ashley, Dennis, Hana, Blake, Luna, Clive, et bien d'autres. Parcourez-les toutes sur le Inworld TTS Playground.
Faible Latence pour l'IA en Temps Réel / Conversationnelle
# Réponse ultra-rapide pour chatbots et PNJ de jeux (~120ms)
belt app run inworld/text-to-speech-1-5-mini --input '{
"text": "Bienvenue, voyageur. Qu'est-ce qui vous amène dans notre village ?",
"voice_id": "Clive",
"speaking_rate": 0.9
}'
Exemples de Génération Vocale
Narration Professionnelle
belt app run infsh/kokoro-tts --input '{
"prompt": "Bienvenue à notre réunion trimestrielle sur les résultats. Aujourd'hui, nous aborderons les performances financières et les initiatives stratégiques du dernier trimestre.",
"voice": "am_michael",
"speed": 1.0
}'
Style Conversationnel
belt app run infsh/dia-tts --input '{
"text": "Hé, donc je pensais à ce projet dont nous avons discuté. Et si on essayait une approche différente ?",
"voice": "conversational"
}'
Narration de Livre Audio
belt app run infsh/kokoro-tts --input '{
"prompt": "Chapitre Un. La brume matinale flottait bas sur la vallée tandis que Sarah descendait le sentier sinueux. Elle marchait depuis des heures.",
"voice": "bf_emma",
"speed": 0.9
}'
Voix-off Vidéo
belt app run infsh/kokoro-tts --input '{
"prompt": "Présentation de la nouvelle génération de productivité. Travaillez plus intelligemment, pas plus dur.",
"voice": "af_nicole",
"speed": 1.1
}'
Animateur de Podcast
belt app run infsh/kokoro-tts --input '{
"prompt": "Bienvenue dans Tech Talk ! Je suis votre animateur, et aujourd'hui nous plongeons dans le monde de l'intelligence artificielle.",
"voice": "am_adam"
}'
Conversation Multi-Voix
# Générer un dialogue entre deux intervenants
# Intervenant 1
belt app run infsh/kokoro-tts --input '{
"prompt": "Avez-vous vu les dernières avancées en IA ? C'est incroyable à quelle vitesse les choses évoluent.",
"voice": "am_michael"
}' > speaker1.json
# Intervenant 2
belt app run infsh/kokoro-tts --input '{
"prompt": "Je sais, n'est-ce pas ? La semaine dernière encore, j'ai essayé ce nouveau générateur d'images et j'ai été époustouflé.",
"voice": "af_sarah"
}' > speaker2.json
# Fusionner la conversation
belt app run infsh/media-merger --input '{
"audio_files": ["<url-intervenant1>", "<url-intervenant2>"],
"crossfade_ms": 300
}'
Contenu Long-Format
Traitement par Segments
Pour les contenus de plus de 5000 caractères, divisez en segments :
# Traiter un texte long par segments
TEXT="Votre texte très long ici..."
# Segmenter et générer
# Segment 1
belt app run infsh/kokoro-tts --input '{
"prompt": "<segment-1>",
"voice": "bf_emma"
}' > chunk1.json
# Segment 2
belt app run infsh/kokoro-tts --input '{
"prompt": "<segment-2>",
"voice": "bf_emma"
}' > chunk2.json
# Fusionner les segments
belt app run infsh/media-merger --input '{
"audio_files": ["<url-segment1>", "<url-segment2>"],
"crossfade_ms": 100
}'
Flux de Travail Voix + Vidéo
Ajouter une Voix-off à une Vidéo
# 1. Générer la voix-off
belt app run infsh/kokoro-tts --input '{
"prompt": "Ces images magnifiques montrent la beauté de la nature dans sa forme la plus pure.",
"voice": "am_michael"
}' > voiceover.json
# 2. Fusionner avec la vidéo
belt app run infsh/media-merger --input '{
"video_url": "https://votre-video.mp4",
"audio_url": "<url-voix-off>"
}'
Créer une Tête Parlante
# 1. Générer la parole
belt app run infsh/kokoro-tts --input '{
"prompt": "Bonjour, je suis ravi de partager quelques mises à jour avec vous aujourd'hui.",
"voice": "af_sarah"
}' > speech.json
# 2. Animer avec un avatar
belt app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://portrait.jpg",
"audio_url": "<url-parole>"
}'
Vitesse et Rythme
| Vitesse | Effet | Utilisation |
|---|---|---|
| 0.8 | Lent, délibéré | Livres audio, méditation |
| 0.9 | Légèrement lent | Éducation, tutoriels |
| 1.0 | Normal | Usage général |
| 1.1 | Légèrement rapide | Publicités, énergie |
| 1.2 | Rapide | Annonces rapides |
# Narration lente
belt app run infsh/kokoro-tts --input '{
"prompt": "Prenez une grande respiration. Laissez-vous détendre.",
"voice": "bf_emma",
"speed": 0.8
}'
Ponctuation pour le Rythme
Utilisez la ponctuation pour contrôler le rythme de la parole :
| Ponctuation | Effet |
|---|---|
Point . | Pause complète |
Virgule , | Pause brève |
... | Pause prolongée |
! | Emphase |
? | Intonation interrogative |
- | Coupure rapide |
belt app run infsh/kokoro-tts --input '{
"prompt": "Attends... Tu as entendu ça ? Quelque chose arrive. Quelque chose de gros !",
"voice": "am_adam"
}'
Meilleures Pratiques
- Faire correspondre la voix au contenu - Voix professionnelle pour les affaires, décontractée pour les réseaux sociaux
- Utiliser la ponctuation - Contrôler le rythme avec les points et les virgules
- Garder les phrases courtes - Plus facile à générer et sonne plus naturel
- Tester différentes voix - Le même texte sonne différemment selon les voix
- Ajuster la vitesse - Légèrement plus lent sonne souvent plus naturel
- Diviser les longs contenus - Traiter par segments pour plus de cohérence
Cas d'Utilisation
- Voix-off - Narration vidéo, publicités
- Livres audio - Narration complète de livres
- Podcasts - Animateurs et invités IA
- E-learning - Narration de cours
- Accessibilité - Contenu pour lecteurs d'écran
- IVR - Messages de systèmes téléphoniques
- Localisation de contenu - Traduire et vocaliser
Compétences Associées
# ElevenLabs TTS (premium, 22+ voix)
npx skills add inference-sh/skills@elevenlabs-tts
# Voice changer ElevenLabs (transformer des enregistrements)
npx skills add inference-sh/skills@elevenlabs-voice-changer
# Tous les modèles TTS
npx skills add inference-sh/skills@text-to-speech
# Création de podcasts
npx skills add inference-sh/skills@ai-podcast-creation
# Avatars IA
npx skills add inference-sh/skills@ai-avatar-video
# Génération vidéo
npx skills add inference-sh/skills@ai-video-generation
# Compétence plateforme complète
npx skills add inference-sh/skills@infsh-cli
Parcourir les applications audio : belt app list --category audio