Introduction
Envoyez jusqu’à 1 000 caractères de texte anglais et, en option, à quel point la lecture doit être expressive, variée et fidèlement guidée. La tâche renvoie un fichier WAV (24 kHz, 16 bits, mono) lu dans la voix intégrée de Chatterbox ou dans la voix d’un court extrait envoyé dans reference_audio_url. Les balises comme sont lues à voix haute, alors écrivez plutôt les sons en toutes lettres. SpicyAPI n'applique aucun filtre de contenu : les scripts sans filtre sont lus tels qu'écrits. Chaque requête coûte le même prix forfaitaire.
| Champ | Valeur |
|---|---|
| Entrée | Texte |
| Sortie | Audio |
| Champ obligatoire | text — de 1 à 1 000 caractères d’anglais |
| Champs optionnels | exaggeration (0–1), temperature (0,05–2), |
| Résultat | Un fichier WAV, 24 kHz, 16 bits, mono |
| Voix | Voix intégrée ou clonée depuis |
| Quantité facturée | Un prix forfaitaire par requête |
| Conservation | L’audio généré est conservé 14 jours |
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
text | Oui | Jusqu’à 1 000 caractères d’anglais, lus exactement comme écrits. Les balises comme sont lues à voix haute ; écrivez plutôt les sons en toutes lettres. 1 caractères minimum · 1000 caractères maximum |
reference_audio_url | Non | Extrait MP3 ou WAV facultatif de la voix à imiter : importez-le ou indiquez une URL publique. La lecture reprend le timbre de cet extrait ; ses paroles ne sont pas répétées. 1 caractères minimum |
exaggeration | Non | À quel point la lecture est émotionnelle, de 0 (neutre) à 1 (dramatique). Par défaut : 0,5. |
temperature | Non | Variation entre les prises, de 0,05 à 2. Par défaut : 0,7. |
guidance_scale | Non | À quel point la lecture suit le rythme naturel du texte, de 0,1 à 1. Par défaut : 0,5 ; baissez-le pour ralentir une lecture précipitée. |
Tarification
$0.036 / requête
Un prix forfaitaire par requête pour jusqu’à 1 000 caractères.
Cas d’utilisation
Répliques de jeu et d’animation
Des répliques de personnage courtes et percutantes, où l’énergie compte plus que le choix du timbre. Augmentez exaggeration pour des répliques criées, riantes ou essoufflées.
Voix de prototype
Donnez une voix à une démo, un storyboard ou un chatbot avant de choisir la voix définitive, à un prix forfaitaire par réplique.
Histoires audio sans censure
Les scripts sans filtre sont lus tels qu'écrits. Dans nos tests, le modèle a prononcé chaque mot des monologues et des narrations envoyés, y compris les sons épelés.
Pistes vocales pour vidéo
Générez la réplique ici, puis transmettez le WAV à un modèle d’avatar parlant ou de synchronisation labiale pour qu’un visage l’interprète.
Guide de prompt et conseils pratiques
Envoyer le script en texte
Jusqu’à 1 000 caractères d’anglais, avec la ponctuation pour les pauses. Écrivez les rires et soupirs en toutes lettres : les balises sont lues à voix haute.
Régler l’énergie
exaggeration vaut 0,5 par défaut. Augmentez-le pour des répliques dramatiques ou essoufflées, baissez-le pour une narration calme.
Affiner si nécessaire
Baissez
guidance_scalepour ralentir une lecture précipitée ; augmentez temperature pour plus de variété entre les prises.
Ce qui est renvoyé
Un fichier WAV par tâche : 24 kHz, 16 bits, PCM mono. Le fichier est copié dans le stockage SpicyAPI et conservé 14 jours. Le résultat ne contient ni minutage par mot ni sous-titres.
La voix
Chatterbox est le modèle anglais open source de Resemble AI (licence MIT). Sans référence, il lit avec sa voix intégrée ; il n’y a pas de liste de voix. Envoyez un court extrait MP3 ou WAV dans reference_audio_url pour cloner une voix : la lecture reprend le timbre de l’extrait, pas ses paroles. Quelques secondes d’une seule voix nette, sans musique, donnent les meilleurs résultats, et vous devez avoir le droit d’utiliser cette voix.
Réglages
exaggeration(0–1, par défaut 0,5) : à quel point la lecture est émotionnelle.temperature(0,05–2, par défaut 0,7) : variation entre les prises.guidance_scale(0,1–1, par défaut 0,5) : à quel point la lecture suit le rythme du texte ; environ 0,3 ralentit un débit rapide et dramatique.
Les balises comme <laugh>, <sigh> ou [gasp] ont été lues à voix haute comme des mots lors de nos tests. Écrivez plutôt les sons en toutes lettres : « ha… », « mmm… », « ahh… ».
Longueur
text accepte jusqu’à 1 000 caractères. Lors de nos tests, un paragraphe de 270 caractères a donné environ 15 secondes d’audio ; la plupart des tâches se terminaient en 10 à 30 secondes.
Facturation
Un prix forfaitaire par requête. Les requêtes en échec ne sont pas facturées.
Contenu
SpicyAPI n’ajoute aucun filtre de contenu. Dans nos tests, les scripts sans filtre ont été lus mot pour mot, sans rien omettre et sans qu'un clip se termine prématurément.
SpicyAPI n'ajoute aucun filtre de contenu : les scripts sont lus tels qu'écrits, sans aucun adoucissement. Vous êtes responsable des scripts que vous envoyez et de l’usage que vous faites de l’audio obtenu, y compris de ne pas le faire passer pour les propos d’une personne réelle.
Démarrage rapide de l’API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "resemble-ai/chatterbox-v1/text-to-speech",
"input": {
"text": "Welcome back. Your files finished rendering a minute ago and are ready to download."
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.