Synthèse vocale

Synthèse vocale

Synthétise input en audio. Renvoie audio/wav (défaut, sans perte — rendu IDENTIQUE au Studio console) ou audio/mpeg si response_format='mp3' (128 kbps mono). Débité au caractère (produit tts, ou voix clonee (≈ ×9,5 du TTS) si voice désigne une voix clonée du compte).

post/v1/audio/speech

Request

  • Base URL: https://api.kooma.ai
  • URL: https://api.kooma.ai/v1/audio/speech
  • Auth: none declared

Request body

inputstring required

Texte à synthétiser.

voicestring

Voix : clé d'une voix bambara publiée (ex. 'modibo', 'amadou' ; catalogue via GET /v1/voices), ou voix clonée du compte au format 'clone:<id>' (facturée au tarif voix clonee de la grille). L'identifiant nu d'un clone reste accepté (rétro-compat).

modelstring

Identifiant de modèle (informatif ; le moteur est choisi selon la voix/langue).

speednumber nullable

Débit de parole (0.5–2.0). Absent = 1.0, le rendu du Studio console (parité stricte depuis le 2026-07-10).

qualitystring nullable

Qualité de synthèse (voix) : 'rapide' (nfe 8, latence minimale), 'standard' (nfe 16, défaut de cette route — recommandé pour l'audio éditorial généré hors-ligne), 'haute' (nfe 32, offline lent).

nfeinteger nullable

Contrôle fin des étapes de generation (4–32) ; prioritaire sur 'quality'.

cfgnumber nullable

Guidance CFG (adhérence voix/texte, 1.0–4.0 ; défaut moteur 2.0).

strict_languageboolean

Garde de langue. Une voix bambara lit le texte TEL QUEL : si le texte est détecté dans une autre langue (français, anglais…), la réponse porte un en-tête d'avertissement X-Kooma-Warning. Avec strict_language=true, la requête est refusée (400 language_mismatch) au lieu d'être synthétisée.

response_formatstring

Format audio de sortie : 'wav' (défaut, PCM16 24 kHz — RECOMMANDÉ, sortie sans perte identique au Studio console) ou 'mp3' (128 kbps mono 24 kHz, compat OpenAI).

tgtstring

Langue du texte/voix (code langue, ex. bam_Latn, fra_Latn).

srcstring

Langue source si traduction avant synthèse ('same' = pas de traduction, 'auto' = détection).

Example request

{
  "input": "Aw ni ce, i ka kɛnɛ wa?",
  "voice": "modibo",
  "model": "kooma-tts-1",
  "quality": "standard",
  "response_format": "wav",
  "tgt": "bam_Latn",
  "src": "same"
}

Response

Audio synthétisé (WAV par défaut, MP3 128 kbps si demandé).

unknown required

Changes

No recorded changes to this operation across all 1 revision of this API.