Voix et parole
Anyy sépare la transcription (STT) entrante de la synthèse vocale (TTS) sortante. Chacune se configure indépendamment. Les paramètres et identifiants vocaux sont distincts d’une route de conversation textuelle fonctionnelle.
Configurer et tester
Ouvrez Dashboard → Models → Voice, ou Dashboard → Tools → Voice. Choisissez TTS ou STT, saisissez la racine API et l’identifiant, découvrez ou saisissez un modèle, puis sélectionnez le protocole correspondant.
Pour TTS, configurez voix, format de réponse, délai, longueur maximale et comportement automatique ; utilisez l’aperçu audio. Pour STT, configurez langue, délai, limites de taille/texte et règle d’échec, puis testez la connexion. Un résultat de catalogue ne prouve pas qu’une vraie synthèse ou transcription fonctionne avec votre compte.
Assistants CLI :
anyy tools voice tts
anyy tools voice stt
Protocoles vocaux
| Capacité | protocol | Contrat de requête |
|---|---|---|
| TTS | audio-speech | Point d’accès Audio Speech (/audio/speech) |
| TTS | chat-audio-output | Chat Completions avec audio généré (/chat/completions) |
| STT | audio-transcriptions | Audio Transcriptions multipart (/audio/transcriptions) |
| STT | chat-audio-input | Chat Completions avec audio entrant (/chat/completions) |
Utilisez une racine API telle que https://api.example.com/v1, pas /models, /audio/speech, /audio/transcriptions ou /chat/completions. La forme canonique exige HTTPS, sauf HTTP en boucle locale pour un serveur local. Elle rejette les identifiants dans l’URL, paramètres de requête, fragments et redirections avec identifiants.
Les contrats de modèles connus choisissent le bon protocole. La route implémentée mimo-v2.5-tts utilise par exemple chat-audio-output, et mimo-v2.5-asr, chat-audio-input. Cela ne rend pas compatibles tous les futurs ID MiMo, la parole temps réel, le clonage ou la création de voix, ni la diarisation ; ces modèles spécialisés sont exclus de la découverte ordinaire. Un modèle inconnu saisi manuellement exige un protocole valide explicite et un test réussi.
La configuration avancée accepte aussi des fournisseurs nommés openai/openai-compatible ou command locaux fiables ; TTS accepte en plus openai-chat-audio nommé. Les routes de commande se configurent sous tts.providers ou media_understanding.audio.providers, sans saisir une commande comme URL de base HTTP.
Transcrire l’audio
Utilisez un canal/parcours livrant une pièce audio ou voice compatible. La route STT la convertit avant la requête conversationnelle. Les imports directs Dashboard classent actuellement les contenus autres que PNG/JPEG comme fichiers ordinaires ; importer de l’audio n’y déclenche donc pas STT. Consultez Compréhension des médias.
La règle audio par défaut est transcription préalable, 25 Mio d’entrée, 12 000 caractères transcrits et 60 secondes de délai. annotate, ignore et fail contrôlent les échecs. Le plafond de délai du point d’accès vocal est de 600 000 ms. Les protocoles/modèles peuvent imposer moins : mimo-v2.5-asr accepte seulement MP3/WAV et limite l’entrée base64 à 10 000 000 octets, soit au maximum 7 500 000 octets bruts.
Une indication de langue est envoyée si elle est prise en charge. Elle ne garantit ni transcription exacte ni identification des locuteurs ; une indication erronée peut nuire à la reconnaissance multilingue.
Générer des réponses parlées
Si text_to_speech est disponible, demandez :
Reply with a short voice message in a calm tone.
Un résultat réussi devient une pièce audio marquée comme voix générée par IA. Point d’accès, format et canal de destination déterminent la livraison. Les adaptateurs TTS standard limitent par défaut l’entrée à 4 096 caractères et tronquent le surplus ; fixez un maximum approprié ou demandez une réponse courte. Aperçus et synthèses peuvent consommer du quota payant.
Réponses automatiques des canaux
voice.auto_tts fournit le comportement par défaut. Dans les conversations compatibles :
| Commande | Comportement |
|---|---|
/voice | Bascule entre arrêt et réponse aux seules entrées vocales |
/voice on | Génère la parole pour les réponses aux entrées vocales |
/voice tts | Génère la parole pour toutes les réponses |
/voice off | Désactive la parole automatique dans cette conversation |
/voice status | Montre le mode et son caractère explicite ou par défaut |
Le réglage de conversation remplace celui du profil. Il exige toujours un service TTS fonctionnel et une livraison audio compatible, sans contourner les limites de taille/format du canal.
Enregistrements, transcriptions ou réponses textuelles peuvent quitter l’appareil. Examinez confidentialité, conservation, région et facturation avant d’utiliser du contenu sensible.
Dépannage
| Symptôme | Points à vérifier |
|---|---|
| Audio sans transcription | Pièce audio/voice, STT activé et format/taille/protocole compatibles |
| Outil TTS indisponible | Route TTS configurée/activée et outils exposant text_to_speech |
| Échec de l’aperçu | Racine API, identifiant, modèle, protocole, voix et format |
| Le canal ne reçoit que du texte | Mode vocal, disponibilité TTS et compatibilité audio du canal |
| Parole coupée | Limite de texte TTS ou limites STT et délai du fournisseur |