Disponible10 modèles

API de synthèse vocale — Voix IA naturelle

L’API de synthèse vocale de Muapi transforme du texte écrit en audio naturel, semblable à une voix humaine, grâce à une intégration REST unifiée. Choisissez parmi MiniMax, Google Gemini, ElevenLabs (y compris l’API Eleven v4) et Fish Audio (l’API Fish Audio S2.1 Pro) pour une narration à voix unique ou un dialogue à plusieurs intervenants.Optez pour une génération de qualité studio ou ultra-rapide, avec des réglages de voix, d’émotion, de débit, de stabilité et de similarité. Le même processus asynchrone d’envoi et de vérification fonctionne avec tous les modèles, à partir de $0.015 pour 1 000 caractères.

Obtenir une clé API de synthèse vocale Essayer MiniMax Speech HD Essayer Gemini Flash TTS Text-to-Speech API examples and comparison on GitHub

La synthèse vocale est disponible sur Muapi

Choisissez un modèle à une voix ou à plusieurs intervenants, envoyez votre texte, puis vérifiez l’ID de requête renvoyé pour télécharger le fichier audio.

MiniMax Speech

Narration à une voix, en versions Studio et Turbo2 modèles

Synthèse vocaleDisponible

MiniMax

MiniMax Speech 2.6 HD

Une voix de qualité studio, à la prononciation claire, au débit fluide et aux émotions réalistes, idéale pour les livres audio, podcasts et narrations.

Text → audio

$0.13/1,000 chars

Essayer le modèle

Synthèse vocaleDisponible

MiniMax

MiniMax Speech 2.6 Turbo

Une synthèse rapide et légère au rendu naturel, avec réglage de la vitesse, du volume, de la hauteur et de l’émotion, pour produire vos audios sans attendre.

Text → audioRapide

$0.07/1,000 chars

Essayer le modèle

Gemini TTS

Dialogues expressifs à plusieurs voix, avec réglages de voix et de ton4 modèles

Synthèse vocaleDisponible

Google Gemini

Gemini 3.1 Flash TTS

Une synthèse économique à plusieurs voix, avec des voix, accents et styles émotionnels distincts, ainsi que des balises de ton intégrées comme [whispers].

Dialogue → audioRapide

$0.035/1,000 chars

Essayer le modèle

Synthèse vocaleDisponible

Google Gemini

Gemini 2.5 Pro TTS

Une synthèse premium à plusieurs voix, au rendu haute fidélité, pour les livres audio, les dialogues cinématographiques et les longues narrations.

Dialogue → audio

$0.035/1,000 chars

Essayer le modèle

Synthèse vocalenew

Google Gemini

Dialogue → audioRapide

$0.015/1,000 chars

Essayer le modèle

Synthèse vocalenew

Google Gemini

Dialogue → audioRapide

$0.01/1,000 chars

Essayer le modèle

ElevenLabs

Voix expressive Eleven v4, synthèse rapide à une voix et dialogues multilingues3 modèles

Synthèse vocaleDisponible

ElevenLabs

ElevenLabs TTS Turbo 2.5

Une synthèse rapide à une voix avec stabilité, similarité et débit réglables, pour les voix off, les serveurs vocaux interactifs et la narration à grande échelle.

Text → audioRapide

$0.05/1,000 chars

Essayer le modèle

Synthèse vocaleDisponible

ElevenLabs

ElevenLabs Text to Dialogue V3

Des dialogues multilingues à plusieurs voix à partir d’un script structuré, avec un ID vocal par intervenant et des échanges naturels.

Dialogue → audio

$0.10/1,000 chars

Essayer le modèle

Synthèse vocalenew

ElevenLabs

Eleven v4

La synthèse vocale Eleven v4 d’ElevenLabs pour des narrations expressives à une voix : jusqu’à 2,000 caractères par requête à $0.08/1,000 caractères, avec un fichier MP3 en réponse.

Text → audio

$0.08/1,000 chars

Essayer le modèle

Fish Audio S2.1 Pro

Narration longue jusqu’à 10,000 caractères par requête1 modèles

Synthèse vocalenew

Fish Audio

Fish Audio S2.1 Pro

Synthèse vocale longue : jusqu’à 10,000 caractères par requête, facturée $15 per 1M UTF-8 bytes (environ $0.015/1,000 caractères anglais), avec un fichier MP3 en réponse.

Text → audio

$15/1M UTF-8 bytes

Essayer le modèle

Qu’est-ce qu’une API de synthèse vocale ?

Une API de synthèse vocale (TTS) convertit du texte écrit en audio parlé à l’aide d’une seule requête HTTP. Envoyez un script, choisissez une voix et un style de diction, puis recevez un fichier audio téléchargeable sans avoir à créer une chaîne de production audio.

Muapi met à disposition ses points de terminaison TTS actifs via un modèle REST unifié : une clé API, un processus unique d’envoi et de vérification, et une facturation à l’usage. Choisissez une narration à voix unique pour les voix off et les serveurs vocaux interactifs (IVR), notamment avec l’API Eleven v4 et l’API Fish Audio S2.1 Pro, ou un dialogue à plusieurs intervenants pour les personnages, les podcasts et les livres audio.

Fonctionnalités de synthèse vocale

Dialogue à plusieurs voix

Gemini TTS et ElevenLabs Text to Dialogue V3 attribuent des voix, accents et styles d’élocution distincts à chaque réplique d’une conversation scénarisée.

Émotion et ton intégrés

Les modèles Gemini prennent en charge des balises intégrées comme [whispers], [shouting] et [determination] pour moduler l’expression au sein d’une réplique.

Versions Studio et Turbo

Choisissez MiniMax Speech 2.6 HD ou Gemini 2.5 Pro TTS pour une grande fidélité, ou leurs versions plus rapides si la latence et le coût sont prioritaires.

Réglages vocaux personnalisables

Ajustez la vitesse, le volume, la hauteur, l’émotion, la stabilité, la similarité et les autres paramètres propres à chaque modèle.

Voix personnalisées et clonées

Les endpoints ElevenLabs acceptent un ID de voix personnalisé. Créez d’abord une voix réutilisable avec un processus compatible de clonage vocal.

Quatre fournisseurs, une seule API

Les modèles MiniMax, Google Gemini, ElevenLabs et Fish Audio utilisent tous l’authentification Muapi, les tâches asynchrones, le suivi des résultats et la même facturation.

Cas d’usage de la synthèse vocale

Narration et voix off

Créez à partir de vos scripts des chapitres de livres audio, des narrations vidéo, des publicités, des vidéos explicatives et des clips pour les réseaux sociaux.

Personnages et podcasts

Donnez vie à des conversations entre animateurs et à des dialogues de personnages, avec des voix distinctes et une direction émotionnelle.

Serveurs vocaux et audio d’applications

Générez à grande échelle des messages téléphoniques, des notifications, des contenus audio accessibles et d’autres paroles dynamiques.

Localisation

Créez des contenus internationaux et pédagogiques grâce aux dialogues multilingues et aux réglages de langue.

Comparatif des modèles de synthèse vocale, dont les API Eleven v4 et Fish Audio S2.1 Pro

Modèle	Fournisseur	Prix	Idéal pour
MiniMax Speech 2.6 HD	MiniMax	$0.13/1,000 characters	Narration à une voix de qualité studio
MiniMax Speech 2.6 Turbo	MiniMax	$0.07/1,000 characters	Génération rapide à une voix
ElevenLabs TTS Turbo 2.5	ElevenLabs	$0.05/1,000 characters	Narration à grande échelle et serveurs vocaux
Gemini 3.1 Flash TTS	Google	$0.035/1,000 characters	Dialogue rapide à plusieurs voix
Gemini 2.5 Pro TTS	Google	$0.035/1,000 characters	Dialogue à plusieurs voix de qualité studio
ElevenLabs Text to Dialogue V3	ElevenLabs	$0.10/1,000 characters	Conversations multilingues à plusieurs voix
Eleven v4	ElevenLabs	$0.08/1,000 characters	Narration expressive à une voix, jusqu’à 2,000 caractères par requête
Fish Audio S2.1 Pro	Fish Audio	$15/1M UTF-8 bytes (~$0.015/1,000 English characters)	Narration longue, jusqu’à 10,000 caractères par requête

Fish Audio S2.1 Pro est facturé par octet UTF-8 : un caractère anglais représente environ un octet, tandis que les écritures non latines en utilisent trois à quatre par caractère.

Exemples d’utilisation de l’API de synthèse vocale

Envoyez du texte brut ou un dialogue structuré avec votre clé API Muapi, enregistrez l’ID de requête, puis interrogez l’endpoint standard de résultat pour obtenir l’URL audio.

Générer une voix seule

curl -X POST https://api.muapi.ai/api/v1/minimax-speech-2.6-hd \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"Welcome to Muapi. Your workspace is ready.","voice_id":"Friendly_Person","speed":1,"emotion":"happy","format":"mp3"}'

# Response: {"request_id":"REQUEST_ID"}

Utilisez un endpoint MiniMax ou ElevenLabs à une voix avec prompt, voix et paramètres d’élocution facultatifs.

Générer un dialogue Gemini

curl -X POST https://api.muapi.ai/api/v1/gemini-3-1-flash-tts \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"speakers":[{"speaker_id":"Speaker 1","voice_name":"Kore","accent":"Neutral","style":"Empathetic","pace":"Natural"},{"speaker_id":"Speaker 2","voice_name":"Puck","accent":"British (RP)","style":"Deadpan","pace":"Natural"}],"dialogue_turns":[{"speaker_id":"Speaker 1","text":"[warmly] Welcome to the show."},{"speaker_id":"Speaker 2","text":"[whispers] Let us begin."}]}'

Définissez les intervenants et l’ordre des répliques ; chaque réplique indique la configuration vocale à utiliser.

Générer une voix avec l’API Eleven v4

curl -X POST https://api.muapi.ai/api/v1/elevenlabs-v4 \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"Welcome to the future of voice. This is Eleven v4, speaking with natural rhythm and emotion.","voice_id":"voice_daniel"}'

# Response: {"request_id":"REQUEST_ID"}

Envoyez jusqu’à 2,000 caractères dans prompt et choisissez voice_daniel ou voice_liam ; Eleven v4 coûte $0.08 per 1,000 characters.

Générer une narration longue avec l’API Fish Audio S2.1 Pro

curl -X POST https://api.muapi.ai/api/v1/fish-s2-1-pro \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"Welcome to the show. Today we look at how voice models have changed the way we tell stories.","voice_id":"voice_fish_narrator"}'

# Response: {"request_id":"REQUEST_ID"}

Envoyez jusqu’à 10,000 caractères dans prompt avec voice_fish_narrator ; la facturation est de $15 per 1M UTF-8 bytes.

Générer un dialogue ElevenLabs

curl -X POST https://api.muapi.ai/api/v1/elevenlabs-text-to-dialogue-v3 \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"dialogue":[{"text":"Welcome to the show.","voice_id":"ZQe5CZNOzWyzPSCn5a3c"},{"text":"Let us begin.","voice_id":"EXAVITQu4vr4xnSDxMaL"}],"language_code":"en","stability":0.5}'

Transmettez un tableau de dialogue structuré avec un ID vocal par réplique pour obtenir un résultat multilingue à plusieurs voix.

Récupérer le résultat audio

curl https://api.muapi.ai/api/v1/predictions/REQUEST_ID/result \
  -H "x-api-key: YOUR_API_KEY"

# Read the generated audio URL after status becomes completed.

Interrogez le statut jusqu’à ce qu’il soit completed, puis récupérez l’URL audio à télécharger dans la réponse.

FAQ sur l’API de synthèse vocale

Qu’est-ce que l’API de synthèse vocale ?

L’API TTS de Muapi transforme les textes en audio naturel grâce aux endpoints MiniMax, Google Gemini, ElevenLabs et Fish Audio, pour la narration à une voix et les dialogues à plusieurs intervenants.

Quel modèle choisir pour un dialogue à plusieurs voix ?

Choisissez Gemini 3.1 Flash TTS ou Gemini 2.5 Pro TTS pour définir les profils vocaux et les balises de ton intégrées, ou ElevenLabs Text to Dialogue V3 pour des conversations structurées multilingues avec un ID vocal par intervenant.

Combien coûte la synthèse vocale ?

Les tarifs commencent à $0.015 per 1,000 caractères anglais pour Fish Audio S2.1 Pro (facturé $15 per 1M UTF-8 bytes), à $0.035 per 1,000 caractères pour Gemini 3.1 Flash et 2.5 Pro TTS, puis à $0.05 pour ElevenLabs TTS Turbo 2.5, $0.08 pour Eleven v4, $0.10 pour ElevenLabs Dialogue V3, $0.07 pour MiniMax Turbo et $0.13 pour MiniMax HD. Gemini 3.8 Flash et Flash Lite coûtent $0.015 et $0.01 per 1,000 caractères.

Comment utiliser l’API Eleven v4 et quelle est sa limite de longueur ?

Appelez l’endpoint elevenlabs-v4 avec prompt (jusqu’à 2,000 caractères) et un voice_id égal à voice_daniel ou voice_liam, puis suivez l’ID de requête pour récupérer un MP3. Eleven v4 coûte $0.08 per 1,000 caractères.

Qu’est-ce que l’API Fish Audio S2.1 Pro ?

L’API Fish Audio S2.1 Pro (fish-s2-1-pro) permet de générer de longues synthèses vocales : jusqu’à 10,000 caractères par requête avec voice_fish_narrator, avec un MP3 en réponse. La facturation est de $15 per 1M UTF-8 bytes, soit environ $0.015 per 1,000 caractères anglais.

Puis-je utiliser une voix personnalisée ou clonée ?

Oui. Les endpoints ElevenLabs acceptent un ID de voix ElevenLabs personnalisé, et MiniMax prend en charge les ID de voix entraînés lorsque le schéma du modèle choisi le permet.

Quel format audio est renvoyé ?

Chaque modèle renvoie, via l’endpoint standard de résultat, l’URL d’un fichier audio à télécharger, prêt à être intégré, récupéré ou utilisé dans un processus vidéo ou de synchronisation labiale.

Comment accéder aux modèles de l’API de synthèse vocale ?

Créez une clé API Muapi, appelez l’endpoint adapté à votre script, puis suivez l’ID de requête renvoyé. Aucun accès sur liste d’attente n’est nécessaire pour les modèles disponibles.

API Eleven v4 et endpoints ElevenLabs →Comparez Eleven v4, TTS Turbo 2.5 et Text to Dialogue V3.API Fish Audio S2.1 Pro →Narration longue jusqu’à 10,000 caractères par requête, facturée par octet UTF-8.Découvrir la gamme Gemini TTS →Comparez les quatre versions Gemini TTS : 3.8 Flash, 3.8 Flash Lite, 3.1 Flash et 2.5 Pro.Découvrir le clonage vocal →Créez une voix réutilisable pour les processus de synthèse compatibles.Découvrir Suno Music →Générez, remixez et prolongez des morceaux lorsque vous avez besoin de musique plutôt que de voix.Parcourir les modèles audio →Comparez les endpoints de synthèse vocale, de musique, d’effets sonores et de conversion vidéo en audio.Découvrir les modèles de synchronisation labiale →Associez une voix générée à une vidéo de visage pour créer un avatar parlant.

Prêt à générer une voix naturelle ?

Utilisez une seule clé API Muapi pour vos narrations, dialogues de personnages, serveurs vocaux, podcasts et contenus audio multilingues.

Obtenir une clé API Essayer la synthèse vocale