Formats audio
Cette page répertorie les formats audio acceptés et renvoyés par chaque API audio. Les pages consacrées aux fonctionnalités renvoient ici plutôt que de répéter ces listes.
Entrée de transcription
Entrée de transcription
Chaque mode de transcription accepte l'audio sous une forme différente :
| Mode | Comment envoyer l'audio | Formats | Détails |
|---|---|---|---|
| Transcription de fichiers | Un fichier par requête : file (import), file_url (une URL de 2 083 caractères maximum), ou file_id (un fichier importé dans /v1/files avec purpose=audio) | Transcription de fichiers | |
| Transcription en temps réel | Audio brut en fragments base64, décrit par audio_format dans session.update | pcm_s16le (PCM signé 16 bits little-endian, mono). Fréquence d'échantillonnage par défaut : 16 000 Hz. | Transcription en temps réel |
Sortie de la synthèse vocale
Sortie de la synthèse vocale
La synthèse vocale renvoie l’audio au format que vous définissez avec response_format :
| Format | Utilisation |
|---|---|
mp3 (par défaut) | Lecture dans les navigateurs et les applications, quand la taille du fichier compte |
opus | Streaming et lecture en cas de bande passante limitée |
wav | Montage, ou quand vous avez besoin d'audio non compressé dans un fichier standard |
flac | Archivage sans perte à une taille inférieure à celle du WAV |
pcm | Pipelines bruts et passerelles de téléphonie qui acceptent des échantillons bruts, sans en-tête de fichier |
La parole générée est en mono à 24 kHz. Pour définir le format dans une requête, voir Formats de réponse.
Références audio
Références audio
Deux fonctionnalités utilisent un court enregistrement de voix comme référence :
| Utilisation | Format | Nombre et durée | Détails |
|---|---|---|---|
| Références de locuteurs pour la diarisation | L'encodage base64 d'un fichier audio, avec le nom du locuteur comme clé | Jusqu'à 8 extraits, de 3 à 15 secondes chacun | Nommer les locuteurs avec des extraits de référence |
| Clonage de la voix | Un fichier MP3 ou WAV, encodé en base64. Les URL ne sont pas acceptées. | De quelques secondes à quelques minutes | Préparer un extrait de référence |
Audio dans les chat completions
Audio dans les chat completions
Dans les chat completions, l’audio s’envoie directement dans le message :
| Comment envoyer l'audio | Formats | Détails |
|---|---|---|
Une partie de contenu input_audio avec l’encodage base64 du fichier | L’audio dans les chat completions |
SDK Agents vocaux
SDK Agents vocaux
Le SDK Agents vocaux utilise un format audio qui lui est propre, pour l’entrée et la sortie :
| Intégration | Format | Détails |
|---|---|---|
| Interface audio personnalisée, ou audio envoyé manuellement | PCM signé 16 bits, mono, 48 kHz | Interfaces audio personnalisées |
| Navigateur | Les pistes média de la page : vous ne gérez aucun format | Agents vocaux dans le navigateur |
Aller plus loin