Guide de clonage vocal | Documentation de l'API Venice

Le clonage vocal vous permet de générer de la parole dans une voix fournie par un court échantillon audio de référence. Avec tts-chatterbox-hd, téléversez un échantillon vers /audio/voices, enregistrez le handle de voix vv_... retourné, puis transmettez ce handle à /audio/speech.

Les handles de voix sont spécifiques à chaque modèle. Un handle créé avec tts-chatterbox-hd doit être utilisé avec tts-chatterbox-hd.

Fonctionnement

Téléversement — Envoyez un fichier audio de référence propre à POST /audio/voices
Enregistrement — Stockez le handle de voix id retourné
Génération — Envoyez le handle comme voice dans POST /audio/speech

Prérequis

Une clé API Venice
Un échantillon de référence propre au format MP3, WAV, FLAC ou MP4
Au moins 5 à 10 secondes de parole claire d’un seul locuteur

Définissez votre clé API :

export VENICE_API_KEY="your-api-key"

Étape 1 : téléverser un échantillon vocal

Créez un handle de voix en téléversant l’audio de référence sous forme de données de formulaire multipart :

curl https://api.venice.ai/api/v1/audio/voices \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  -F "model=tts-chatterbox-hd" \
  -F "file=@./reference-voice.wav"

Lorsque vous utilisez curl -F, ne définissez pas manuellement Content-Type. curl ajoute l’en-tête multipart/form-data et la limite requise. Réponse (200) :

{
  "id": "vv_voice_abc123xyz",
  "model": "tts-chatterbox-hd"
}

Enregistrez l’id pour la génération de parole :

export VENICE_VOICE_ID="vv_voice_abc123xyz"

Étape 2 : générer la parole

Transmettez le handle de voix cloné comme voice dans la requête de synthèse :

curl https://api.venice.ai/api/v1/audio/speech \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-chatterbox-hd",
    "voice": "'"$VENICE_VOICE_ID"'",
    "input": "Hello from Venice. This audio is generated with a cloned Chatterbox HD voice."
  }' \
  --output chatterbox-clone.wav

Le corps de la réponse est de l’audio binaire dans le format par défaut du modèle, et non du JSON. tts-chatterbox-hd produit actuellement du WAV par défaut.

Exemple complet

Cet exemple téléverse un échantillon de référence, extrait le handle de voix avec jq et écrit l’audio généré dans chatterbox-clone.wav :

VOICE_ID=$(
  curl -s https://api.venice.ai/api/v1/audio/voices \
    -H "Authorization: Bearer $VENICE_API_KEY" \
    -F "model=tts-chatterbox-hd" \
    -F "file=@./reference-voice.wav" | jq -r '.id'
)

curl https://api.venice.ai/api/v1/audio/speech \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-chatterbox-hd",
    "voice": "'"$VOICE_ID"'",
    "input": "This is a complete Chatterbox HD voice cloning example.",
    "speed": 1
  }' \
  --output chatterbox-clone.wav

Conseils pour l’échantillon vocal

Utilisez un échantillon avec un seul locuteur, un bruit de fond minimal et sans musique. La parole naturelle fonctionne mieux que l’audio chuchoté, chanté ou fortement traité. Des échantillons plus longs peuvent être utiles lorsque la voix a un rythme, un accent ou un ton distinctifs, mais gardez l’échantillon centré sur le locuteur cible.

Expiration des handles

Le clonage Chatterbox HD est zero-shot : Venice stocke temporairement l’audio de référence téléversé, et le modèle le lit lorsque vous synthétisez de la parole. Aucun modèle vocal persistant n’est créé. Les handles de voix expirent automatiquement après 7 jours. Une fois qu’un handle a expiré, téléversez à nouveau l’échantillon de référence pour créer un nouveau handle vv_....

Découvrir la prise en charge du clonage

Les modèles qui prennent en charge le clonage incluent un objet voice_cloning dans la spécification du modèle. Interrogez les modèles TTS pour vérifier les formats pris en charge, la durée minimale de l’échantillon et la rétention :

curl "https://api.venice.ai/api/v1/models?type=tts" \
  -H "Authorization: Bearer $VENICE_API_KEY"

tts-chatterbox-hd annonce :

{
  "voice_cloning": {
    "mode": "zero_shot",
    "accepted_formats": ["mp3", "wav", "flac", "mp4"],
    "min_sample_seconds": 5,
    "retention_days": 7
  }
}

Paramètres de l’API

Créer une voix

Champ	Type	Requis	Description
`model`	string	Oui	Doit être `tts-chatterbox-hd`
`file`	file	Oui	Échantillon audio de référence. Les formats pris en charge sont MP3, WAV, FLAC et MP4.

Générer la parole

Champ	Type	Requis	Par défaut	Description
`model`	string	Oui	-	Doit correspondre au modèle utilisé pour créer le handle de voix
`voice`	string	Oui	-	Le handle `vv_...` retourné par `POST /audio/voices`
`input`	string	Oui	-	Texte à synthétiser, jusqu’à 4096 caractères
`response_format`	string	Non	Selon le modèle	Remplacement optionnel du format de sortie. Vérifiez les formats pris en charge et par défaut du modèle avant de le définir.
`speed`	number	Non	`1`	Vitesse de parole de `0.25` à `4.0`
`temperature`	number	Non	-	Température d’échantillonnage de `0` à `2`. Des valeurs plus élevées peuvent ajouter de la variation.
`streaming`	boolean	Non	`false`	Diffuser l’audio phrase par phrase

La réponse de synthèse en cas de succès est de l’audio binaire, et son Content-Type identifie le format retourné. Vous pouvez omettre response_format pour utiliser la valeur par défaut du modèle. Interrogez model_spec.supported_formats et model_spec.default_format via GET /models?type=tts avant de la remplacer ; demander un format non pris en charge renvoie un HTTP 400.

Erreurs courantes

Statut	Cause	Solution
`400`	Conteneur audio non pris en charge ou handle de voix incompatible	Utilisez MP3, WAV, FLAC ou MP4 et associez le handle au même modèle que celui utilisé pour le créer.
`401`	Clé API manquante ou invalide	Envoyez `Authorization: Bearer $VENICE_API_KEY`.
`402`	Solde insuffisant	Rechargez votre solde Venice.
`413`	Le fichier téléversé est trop volumineux	Utilisez un échantillon de référence plus court ou plus compressé.
`429`	Limite de débit dépassée	Réessayez après la réinitialisation de la fenêtre de limite de débit.

Documentation

Démarrage

Texte et chat

Image, vidéo et audio

Recherche et RAG

Agents et intégrations

Outils de code

Outils pour agents

SDK et frameworks

Clonage vocal

Fonctionnement

Prérequis

Étape 1 : téléverser un échantillon vocal

Étape 2 : générer la parole

Exemple complet

Conseils pour l’échantillon vocal

Expiration des handles

Découvrir la prise en charge du clonage

Paramètres de l’API

Créer une voix

Générer la parole

Erreurs courantes

​Fonctionnement

​Prérequis

​Étape 1 : téléverser un échantillon vocal

​Étape 2 : générer la parole

​Exemple complet

​Conseils pour l’échantillon vocal

​Expiration des handles

​Découvrir la prise en charge du clonage

​Paramètres de l’API

​Créer une voix

​Générer la parole

​Erreurs courantes

Fonctionnement

Prérequis

Étape 1 : téléverser un échantillon vocal

Étape 2 : générer la parole

Exemple complet

Conseils pour l’échantillon vocal

Expiration des handles

Découvrir la prise en charge du clonage

Paramètres de l’API

Créer une voix

Générer la parole

Erreurs courantes