Introduction
Envoyez le texte à lire et, facultativement, une voix préréglée, une courte note de diction et une langue. La tâche renvoie un fichier audio avec le script lu dans cette voix : un MP3 mono 24 kHz, sauf si vous définissez output_format ou sample_rate. speed, pitch et volume ajustent la diction. instructions accepte des consignes en langage courant, comme le ton, l’émotion, le rythme ou le volume, et n’est pas lu à voix haute. SpicyAPI n’applique aucun filtre de contenu : le script que vous envoyez est celui que vous entendez. Vous êtes facturé par tranche de 1 000 caractères du texte envoyé.
| Champ | Valeur |
|---|---|
| Entrée | Texte |
| Sortie | Audio |
| Champ obligatoire | text — de 1 à 5 000 caractères |
| Champs optionnels |
|
| Résultat | Un fichier audio : MP3 (24 kHz, mono) par défaut, ou Ogg Opus |
| Quantité facturée | Caractères de text envoyés, comptés par milliers |
| Durée typique | Environ 8 secondes pour 300 caractères |
| Conservation | L’audio généré est conservé 14 jours |
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
text | Oui | Les mots à prononcer, exactement comme écrits. Facturé par 1 000 caractères, espaces et ponctuation comprises. 1 caractères minimum · 5000 caractères maximum |
voice_id | Non | L’une des 41 voix prédéfinies. Le suffixe indique les langues pour lesquelles la voix est conçue. |
instructions | Non | Direction en langage simple sur le ton, l’émotion, le rythme ou le volume. Façonne l’interprétation et n’est pas prononcé. 1000 caractères maximum |
speed | Non | Débit de parole de 0,5 (plus lent) à 2 (plus rapide) ; 1 correspond au rythme normal de la voix. Ne modifie pas le prix. |
pitch | Non | Décalage de hauteur en demi-tons, de -12 à 12 ; 0 conserve la hauteur propre de la voix. Ne modifie pas le prix. |
volume | Non | Multiplicateur de volume de 0,5 à 2 ; 1 correspond au niveau normal. Ne modifie pas le prix. |
language | Non | Force la langue de lecture. Laissez vide pour la détecter à partir du script. |
output_format | Non | Format de fichier : mp3 (par défaut) ou opus, un fichier Ogg Opus plus léger à qualité égale. Ne modifie pas le prix. |
sample_rate | Non | Fréquence d’échantillonnage de l’audio en Hz : 8000, 16000, 22050, 24000, 32000, 44100, 48000. Par défaut : 24000. |
Tarification
$0.072 / 1 000 caractères
Facturé par 1 000 caractères du texte envoyé, espaces et ponctuation comprises. Le devis affiché avant l’exécution est le prix final.
Cas d’utilisation
Voix off pour vidéos courtes
Narration pour explicatifs, clips produit et publications sociales. Le prix est fixé par la longueur du script, si bien que vous connaissez le coût d’un lot avant de commencer.
Contenu multilingue
Lisez le même script en anglais, japonais, espagnol, allemand et plus encore. Plusieurs voix sont conçues pour parler plus d’une langue avec le même timbre.
Histoires audio sans censure
Les scripts sont prononcés tels qu’écrits, aussi audacieux soient-ils. Dans nos tests, le modèle a prononcé chaque mot des monologues les plus forts et des scènes narrées que nous avons envoyés, sans rien sauter ni couper court.
Voix de personnages
Donnez à chaque personnage une voix prédéfinie et une note d’une ligne sur sa façon de parler — essoufflée, endormie, taquine — et conservez les deux pour toute la série.
Guide de prompt et conseils pratiques
Envoyer le script dans text
Rédigez-le exactement comme il doit être prononcé, avec la ponctuation pour les pauses. Jusqu’à 5 000 caractères.
Choisir une voix
voice_idutilisestokie_enpar défaut. Le suffixe de chaque voix indique les langues pour lesquelles elle est conçue, par exemple _en ou _ja_es.Décrire l’interprétation
Écrivez une ou deux phrases dans instructions, par exemple « lent, bas et proche, comme si l’on parlait à une seule personne ». Cela n’est pas lu à voix haute.
Ce qui est renvoyé
Un fichier audio par tâche, un MP3 mono 24 kHz sauf si vous modifiez output_format ou sample_rate. Le fichier est copié dans le stockage SpicyAPI et conservé 14 jours. Le résultat ne contient ni minutage par mot ni sous-titres.
Choisir une voix
voice_id accepte l’une des 41 voix prédéfinies et utilise stokie_en par défaut. Le suffixe de chaque nom de voix indique les langues pour lesquelles elle est conçue — tim_en est en anglais, minimi_ja en japonais, sven_de en allemand, jess_ja_es_id_pt_en_zh en parle plusieurs. Les voix mixtes gardent le même timbre d’une langue à l’autre.
Diriger l’interprétation
instructions reçoit une ou deux phrases en langage simple sur la façon de lire : ton, émotion, rythme, volume. Cela façonne la performance et n’est pas prononcé. Pour des valeurs précises, speed (0,5 à 2), pitch (-12 à 12 demi-tons) et volume (0,5 à 2) ont leurs propres curseurs.
Format de sortie
output_format choisit mp3 (par défaut) ou opus, un fichier Ogg Opus plus léger à qualité égale, et sample_rate va de 8000 à 48000 Hz. Aucun de ces réglages ne modifie le prix.
Langue
La langue est détectée à partir du script. language force zh, en, ja, es-mx, id, pt-br, ko, it, de ou fr lorsqu’un script court ou multilingue est lu dans la mauvaise langue.
Facturation
Facturé par 1 000 caractères de text, espaces, ponctuation et sauts de ligne compris ; instructions est gratuit. Le nombre de caractères est connu avant le début de la tâche, si bien que le devis est le montant final. Les requêtes en échec ne sont pas facturées.
Contenu
SpicyAPI n’ajoute aucun filtre de contenu. Dans nos tests, même les scripts les plus forts ont été prononcés mot pour mot, sans rien sauter ni clip interrompu.
SpicyAPI n’ajoute aucun filtre de contenu : les scripts NSFW sont lus tels quels. 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "bytedance/seed-speech-2.0/text-to-speech",
"input": {
"text": "Welcome back. Your files finished rendering a minute ago and are ready to download.",
"voice_id": "stokie_en",
"output_format": "mp3"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.