HeyGen: HeyGen Voice

HeyGen Voice est un modèle de synthèse vocale de HeyGen, répertorié sur api14 sous l'identifiant de modèle heygen/heygen-voice-1. Il appartient à la catégorie parole et est conçu spécifiquement pour transformer du texte écrit en audio parlé. HeyGen est le fournisseur derrière ce modèle, et celui-ci s'adresse aux développeurs qui ont besoin d'une sortie vocale synthétique sans avoir à assembler leur propre pipeline de parole.

Le modèle prend du texte comme seule entrée et renvoie de la parole comme sortie. Il est livré avec dix voix par défaut : nadine, tabitha, bram, gareth, noelle, meredith, sabrina, lucian, weston et vincent. Si vous avez votre propre compte HeyGen, vous pouvez fournir votre propre clé HeyGen pour utiliser les clones vocaux de ce compte au lieu de l'ensemble intégré. Le fournisseur indique que le modèle diffuse en flux, ce qui compte lorsque vous voulez que l'audio commence à jouer avant que le clip complet soit généré. Aucune longueur de contexte n'est publiée pour ce modèle, donc considérez-le comme un point de terminaison de synthèse vocale plutôt que comme un modèle de texte long.

Les cas d'usage évidents découlent de l'entrée texte et de la sortie parole. Vous pouvez narrer des articles, générer des voix off pour des vidéos, lire à voix haute des notifications ou des alertes, et construire des interfaces conversationnelles qui prononcent leurs réponses. Les dix voix par défaut vous donnent une gamme restreinte mais utilisable de locuteurs à assigner à différents personnages, produits ou locales. Comme la sortie est diffusée en flux, cela convient aux scénarios interactifs où attendre un fichier audio complet semblerait lent, comme les assistants qui répondent en temps réel. Fournir votre propre clé HeyGen étend cela à des clones vocaux de marque ou personnels, ce qui est utile lorsqu'un produit a besoin d'un locuteur cohérent et reconnaissable sur de nombreux clips.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle heygen/heygen-voice-1, donc les SDK OpenAI et clients HTTP existants fonctionnent avec seulement l'URL de base et la clé modifiées. Le modèle n'expose aucun paramètre de requête pris en charge au-delà des bases de l'appel lui-même, donc il n'y a aucun réglage d'échantillonnage ou de formatage à ajuster ici ; vous envoyez votre texte et recevez de la parole. La sélection de la voix est la principale décision, à choisir parmi les dix voix listées ou depuis votre propre compte HeyGen lorsque vous fournissez une clé HeyGen.

Gardez la portée en tête lors du choix. C'est un modèle de parole, pas un générateur de texte, donc il ne répondra pas aux questions, ne résumera pas de documents et ne produira pas de texte structuré. Il n'a pas non plus de longueur de contexte publiée, ce qui signifie que les scripts très longs doivent être découpés en morceaux plus petits plutôt qu'envoyés en une seule requête. Si votre tâche est la transcription, la traduction ou le chat général, un modèle de compréhension de texte ou d'audio conviendra mieux. Si votre tâche consiste simplement à transformer du texte en une voix à l'apparence naturelle, HeyGen Voice est l'option directe.