Vai al contenuto

API multilingue di sintesi vocale: 33 lingue con un unico endpoint REST (2026)

Audexum8 minBy Petar

Scopri come usare un’API di sintesi vocale multilingue per generare audio in 32 lingue con una singola chiamata REST. Approfondisce la localizzazione delle app, i flussi di contenuti globali, l’apprendimento delle lingue e i prezzi.

Creare un prodotto per un pubblico globale significa generare audio nella lingua che parlano davvero i tuoi utenti. Un'API TTS multilingue ti permette di farlo con una sola integrazione, invece di gestire servizi specifici per ogni lingua.

Questa guida spiega come l' API TTS di Audexum gestisce 32 lingue, come appare il passaggio da una all'altra nel codice e quali casi d'uso traggono maggiori benefici dalla sintesi multilingue.

Perché è difficile realizzare bene un TTS multilingue

La maggior parte dei provider TTS supporta bene l'inglese e tratta tutto il resto come un ripiego. Problemi comuni:

  • Contaminazione dell'accento: il modello è stato addestrato sull’inglese e pronuncia in modo errato gli alfabeti non latini
  • Lingue mancanti: il supporto è indicato nella homepage, ma in realtà funzionano solo poche voci
  • Nessun passaggio di lingua per singola richiesta: ti serve una chiave API o un endpoint diverso per ogni localizzazione
  • Lacune fonemiche: lingue come arabo, giapponese e hindi richiedono regole specifiche di conversione da grafema a fonema che i modelli economici ignorano

Un'API multilingue pronta per la produzione richiede modelli nativi per ogni lingua, non un singolo modello con un flag di lingua.

L'approccio di Audexum

Audexum usa modelli vocali dedicati per ogni lingua anziché un singolo modello multilingue. La pronuncia è quindi accurata per gli alfabeti basati sui caratteri (giapponese, coreano, arabo) e per le lingue tonali, senza richiedere indicazioni fonemiche da parte del chiamante.

L’API accetta un parametro language insieme a voice_idvoice_id language separatamente; viene inferito. Per i casi limite in cui il testo mescola alfabeti diversi, indicare esplicitamente il codice della lingua garantisce una tokenizzazione corretta.

Lingue supportate

Audexum supporta 32 lingue con 43 voci. Le 20 più utilizzate:

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

L’elenco completo delle 32 lingue è disponibile tramite l’ /api/v1/voices endpoint.

Esempi di codice

Elenca le voci per lingua

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)}")

Sintetizza in una lingua specifica

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 di localizzazione in batch

Questo schema è utile quando gestisci una tabella di stringhe e devi generare risorse audio per ogni lingua:

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}")

Eseguendo questo codice con 8 localizzazioni vengono prodotti 8 file WAV in meno di 10 secondi, con un costo di circa 400 caratteri della tua quota.

Casi d’uso

Localizzazione delle app

Le app mobili e web usano sempre più la voce come livello dell’interfaccia: narrazione durante l’onboarding, messaggi di errore letti ad alta voce, modalità di accessibilità. Generare l’audio nella localizzazione dell’utente al momento della build, anziché durante l’esecuzione, elimina la latenza e funziona offline.

Lo schema batch qui sopra è adatto a questo caso: gestisci un file di traduzione, esegui il processo di sintesi come parte della pipeline CI e distribuisci gli asset audio insieme al pacchetto della tua app.

Pipeline di contenuti globali

Podcast, video YouTube e corsi di e-learning costano molto da registrare in più lingue. L’audio generato con TTS dagli script tradotti riduce nettamente i costi di produzione, mantenendo una qualità accettabile per i contenuti non flagship.

Un flusso di lavoro tipico: traduci lo script con un’API di traduzione, sintetizzalo con Audexum e mixalo con la musica originale. Il risultato è un contenuto pronto per la pubblicazione a una frazione del costo di una registrazione in studio.

App per l’apprendimento delle lingue

L’apprendimento delle lingue richiede una pronuncia chiara e accurata, esattamente ciò che offre la TTS con modelli nativi. Generare l’audio su richiesta, anziché pre-registrare un elenco fisso di parole, permette di coprire vocabolario e strutture frasali arbitrari senza uno studio di registrazione.

La precisione fonemica di Audexum per alfabeti non latini (arabo, giapponese, coreano, devanagari) la rende adatta agli audio di esercizio sul vocabolario, dove una pronuncia errata danneggerebbe attivamente chi impara.

Assistenti vocali e chatbot

I bot che servono un pubblico internazionale devono rispondere nella lingua dell’utente. Rilevare la lingua dell’utente e selezionare la voce corrispondente voice_id a ogni richiesta richiede un solo parametro in più nella chiamata TTS.

Prezzi

Tutte le 32 lingue sono disponibili su ogni piano; non è previsto alcun sovrapprezzo linguistico.

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

Per confronto, ElevenLabs chiede circa $165-200 per 1M caratteri sui piani listino e OpenAI TTS $15/1M. Gli abbonati ai piani Audexum ottengono tassi effettivi da €9,93/1M (Business) a €24,17/1M (Pro), con un listino PAYG a €28/1M per acquisti una tantum. E Audexum è l'unico provider con un piano gratuito continuo e crediti di dettatura unificati.

Il piano gratuito (2,000 crediti iniziali, senza carta richiesta) è sufficiente per provare la sintesi in tutte le lingue che ti servono prima di scegliere un piano a pagamento.

Per iniziare

  • Registrati su audexum.com/signup. Nessuna carta di credito richiesta per il piano gratuito
  • Copia il tuo sk_live_ dalla dashboard
  • Chiama /api/v1/voices per ottenere l’elenco attuale delle voci e scegliere quella desiderata voice_id valori
  • Inserisci questi ID nello script batch qui sopra

Il riferimento API completo, compresa la sintassi per sovrascrivere i fonemi nei casi limite, è disponibile su audexum.com/docs.


Di Petar, fondatore di Audexum. Sto sviluppando una TTS multilingue che gestisce davvero correttamente anche gli alfabeti non latini.

Got any questions left?

Condividi feedback

Questo articolo ti è stato utile?

Articolo successivoIl migliore piano gratuito delle API di sintesi vocale nel 2026: cosa ottieni davvero

Inizia gratis. Nessuna carta.

2,000 crediti per iniziare, 250 in più ogni giorno.