Aller au contenu

API multilingue de synthèse vocale : 33 langues avec un seul endpoint REST (2026)

Audexum8 minBy Petar

Comment utiliser une API multilingue de synthèse vocale pour générer des audios dans 32 langues avec un seul appel REST. Couvre la localisation d’applications, les pipelines de contenu international, l’apprentissage des langues et les tarifs.

Développer un produit pour une audience mondiale signifie générer de l’audio dans la langue que parlent réellement vos utilisateurs. Une API TTS multilingue vous permet de le faire avec une seule intégration, au lieu de gérer plusieurs services spécifiques à chaque langue.

Ce guide explique comment l’ API TTS Audexum gère 32 langues, à quoi ressemble le changement de langue en code et quels cas d’utilisation bénéficient le plus de la synthèse multilingue.

Pourquoi la TTS multilingue est difficile à maîtriser

La plupart des fournisseurs TTS gèrent bien l’anglais et traitent toutes les autres langues comme une réflexion après coup. Problèmes fréquents :

  • Accentuation intrusive : le modèle a été entraîné en anglais et prononce mal les écritures non latines
  • Langues manquantes : prise en charge annoncée sur la page d’accueil, mais seulement quelques voix fonctionnent réellement
  • Impossibilité de changer de langue par requête : vous avez besoin d’une clé API ou d’un endpoint distinct par langue et région
  • Lacunes phonétiques : des langues comme l’arabe, le japonais et l’hindi nécessitent des règles graphème-phonème spécifiques que les modèles bon marché ignorent

Une API multilingue prête pour la production a besoin de modèles natifs pour chaque langue, et non d’un modèle unique doté d’un simple indicateur de langue.

L’approche d’Audexum

Audexum utilise des modèles vocaux dédiés par langue plutôt qu’un modèle multilingue unique. Cela signifie que la prononciation est exacte pour les écritures basées sur des caractères (japonais, coréen, arabe) et les langues tonales, sans exiger aucune indication phonétique de la part de l’appelant.

L’API accepte un paramètre language en plus de voice_idvoix. Si vous transmettez une voix entraînée sur une langue précise, vous n’avez pas besoin de définir la langue language séparément ; elle est déduite. Dans les cas particuliers où le texte mélange plusieurs écritures, un code de langue explicite garantit une tokenisation correcte.

Langues prises en charge

Audexum prend en charge 32 langues avec 43 voix. Les 20 plus utilisées :

LanguageBCP-47 CodeVoices AvailableScript
English (American)en-US6Latin
English (British)en-GB4Latin
Spanishes4Latin
Frenchfr3Latin
Germande3Latin
Italianit2Latin
Portuguesept2Latin
Arabicar2Arabic
Hindihi2Devanagari
Japaneseja3CJK
Koreanko2Hangul
Bulgarianbg2Cyrillic
Russianru2Cyrillic
Polishpl1Latin
Dutchnl1Latin
Turkishtr1Latin
Swedishsv1Latin
Romanianro1Latin
Vietnamesevi1Latin
Indonesianid1Latin

La liste complète des 32 langues est disponible via le /api/v1/voices point de terminaison.

Exemples de code

Lister les voix par langue

python
import requests

API_KEY = "sk_live_abc123xyz"

voices = requests.get(
    "https://audexum.com/api/v1/voices",
    headers={"Authorization": f"Bearer {API_KEY}"},
).json()

# Group by language
by_language = {}
for v in voices:
    by_language.setdefault(v["language"], []).append(v["voice_id"])

for lang, ids in sorted(by_language.items()):
    print(f"{lang:10s}: {', '.join(ids)}")

Synthétiser dans une langue précise

python
import requests

API_KEY = "sk_live_abc123xyz"
API_URL = "https://audexum.com/api/v1/tts"

def synthesize(text: str, voice_id: str, output_file: str):
    response = requests.post(
        API_URL,
        headers={
            "Authorization": f"Bearer {API_KEY}",
            "Content-Type": "application/json",
        },
        json={"text": text, "voice_id": voice_id},
    )
    response.raise_for_status()
    with open(output_file, "wb") as f:
        f.write(response.content)

# Japanese
synthesize(
    text="こんにちは、Audexumへようこそ。",
    voice_id="ja_female_01",
    output_file="welcome_ja.wav",
)

# Arabic
synthesize(
    text="مرحبًا بك في Audexum.",
    voice_id="ar_female_01",
    output_file="welcome_ar.wav",
)

# German
synthesize(
    text="Willkommen bei Audexum.",
    voice_id="de_female_01",
    output_file="welcome_de.wav",
)

Pipeline de localisation par lots

Ce modèle est utile lorsque vous gérez une table de chaînes et devez générer des fichiers audio pour chaque langue-région :

python
import requests
from pathlib import Path

API_KEY = "sk_live_abc123xyz"
API_URL = "https://audexum.com/api/v1/tts"

STRINGS = {
    "en_us_female_01": "Your order has been confirmed.",
    "es_female_01":    "Tu pedido ha sido confirmado.",
    "fr_female_01":    "Votre commande a été confirmée.",
    "de_female_01":    "Ihre Bestellung wurde bestätigt.",
    "ja_female_01":    "ご注文が確定しました。",
    "ko_female_01":    "주문이 확정되었습니다.",
    "ar_female_01":    "تم تأكيد طلبك.",
    "hi_female_01":    "आपका ऑर्डर कन्फर्म हो गया है।",
}

output_dir = Path("audio_assets")
output_dir.mkdir(exist_ok=True)

for voice_id, text in STRINGS.items():
    lang_code = voice_id.split("_")[0]
    response = requests.post(
        API_URL,
        headers={"Authorization": f"Bearer {API_KEY}"},
        json={"text": text, "voice_id": voice_id},
    )
    if response.ok:
        out = output_dir / f"order_confirmed_{lang_code}.wav"
        out.write_bytes(response.content)
        print(f"Wrote {out}")
    else:
        print(f"Failed {voice_id}: {response.status_code}")

L’exécution de ce processus sur 8 langues produit 8 fichiers WAV en moins de 10 secondes et consomme environ 400 caractères de votre quota.

Cas d’utilisation

Localisation d’applications

Les applications mobiles et web utilisent de plus en plus la voix comme couche d’interface : narration d’intégration, messages d’erreur lus à voix haute, mode d’accessibilité. Générer l’audio dans la locale de l’utilisateur au moment de la compilation (plutôt qu’à l’exécution) élimine la latence et fonctionne hors ligne.

Le modèle par lots ci-dessus convient à ce cas : vous gérez un fichier de traduction, exécutez la tâche de synthèse dans le cadre de votre pipeline CI et livrez les fichiers audio avec le bundle de votre application.

Pipelines de contenu mondial

Les podcasts, vidéos YouTube et cours de e-learning sont coûteux à enregistrer en plusieurs langues. L’audio TTS généré à partir de scripts traduits réduit considérablement les coûts de production tout en conservant une qualité acceptable pour les contenus secondaires.

Un workflow typique : traduisez le script avec une API de traduction, synthétisez-le avec Audexum, puis mixez-le avec la musique originale. Le résultat est un contenu publiable pour une fraction du coût d’un enregistrement en studio.

Applications d’apprentissage des langues

L’apprentissage des langues exige une prononciation claire et précise, précisément ce que propose la TTS fondée sur des modèles natifs. Générer l’audio à la demande (plutôt que préenregistrer une liste fixe de mots) permet de couvrir tout vocabulaire et toute construction de phrase sans studio d’enregistrement.

La précision phonétique d’Audexum pour les écritures non latines (arabe, japonais, coréen, devanagari) la rend adaptée aux exercices de vocabulaire, où une mauvaise prononciation nuirait activement à l’apprenant.

Assistants vocaux et chatbots

Les bots qui s’adressent à une audience internationale doivent répondre dans la langue de l’utilisateur. Détecter la langue de l’utilisateur et sélectionner la voix correspondante voice_id à chaque requête ne nécessite qu’un paramètre supplémentaire dans l’appel TTS.

Tarifs

Les 32 langues sont disponibles avec toutes les offres ; aucun supplément linguistique n’est facturé.

PlanCredits/moPriceEffective per 1M
Free2,000 + 250/day€0—
Pro1,200,000€29€24.17
Scale4,000,000€49€12.25
Business15,000,000€149€9.93
Credit packs250,000 to 3,500,000, never expirefrom €7€25.71 to €28

Pour comparer, ElevenLabs facture environ $165-$200 par 1M caractères sur ses plans publics et OpenAI TTS facture $15/1M. Les abonnés aux plans Audexum bénéficient de tarifs effectifs de €9.93/1M (Business) à €24.17/1M (Pro), avec un tarif PAYG public de €28/1M pour les achats ponctuels. Et Audexum est le seul fournisseur avec un niveau gratuit permanent et des crédits de dictée unifiés.

L’offre gratuite (2 000 crédits pour démarrer, aucune carte bancaire requise) suffit pour tester la synthèse dans toutes les langues dont vous avez besoin avant de vous engager dans un forfait payant.

Démarrage

  • Inscrivez-vous sur audexum.com/signup. Aucune carte bancaire requise pour le niveau gratuit
  • Copiez votre sk_live_ clé depuis le tableau de bord
  • Appelez /api/v1/voices pour obtenir la liste actuelle des voix et choisir votre voix cible voice_id valeurs
  • Intégrez ces ID dans le script par lot ci-dessus

La référence complète de l’API, notamment la syntaxe de remplacement des phonèmes pour les cas particuliers, se trouve à l’adresse audexum.com/docs.


Par Petar, fondateur d’Audexum. Je développe une TTS multilingue qui gère correctement les écritures non latines.

Got any questions left?

Partager votre avis

Cet article vous a-t-il été utile ?

Article suivantLa meilleure offre gratuite d’API de synthèse vocale en 2026 : ce que vous obtenez vraiment

Commencez gratuitement. Sans carte bancaire.

2,000 crédits pour commencer, 250 par jour.