Texte vers audio (podcast)

Escriba ne se contente pas de transformer des documents en texte pour un LLM — il peut aussi retransformer le résultat en son. À partir de n’importe quelle conversion, ouvrez l’option Audio / Podcast pour générer un MP3 et écouter votre document.

Deux modes

• Narration — une seule voix lit le document de bout en bout.
• Podcast — une IA rédige un court dialogue à deux animateurs sur le document (animateur + expert), et Escriba le met en voix avec deux voix alternées avant de tout assembler. Le mode Podcast nécessite un fournisseur d’IA configuré (il rédige le script) ; la narration, non.

Deux moteurs

• Local (Piper) — l’option par défaut. Les voix tournent sur votre serveur, entièrement hors ligne — le texte ne quitte jamais votre machine. Escriba est livré avec 14 voix en espagnol, anglais, portugais, français, italien, allemand et chinois.
• Cloud (OpenAI) — optionnel, de meilleure qualité. Utilise votre clé API OpenAI ; le texte n’est envoyé à OpenAI que lorsque vous choisissez une voix cloud. Idéal pour les langues sans voix locale (par ex. le japonais).

Astuce

Choisissez la voix qui correspond à la langue de votre document pour un résultat optimal. Mélanger un document en espagnol avec une voix anglaise sonnera faux.

Réglages

Comme sur une console de studio, vous choisissez :

• Voix — langue + locuteur (local ou cloud).
• Hauteur — basse / moyenne / aiguë.
• Vitesse — lente / normale / rapide.
• Volume — bas / moyen / élevé.

Un lecteur intégré vous permet de prévisualiser l’audio avant de télécharger le MP3.

Nettoyez-le d'abord

Utilisez l’éditeur Markdown intégré pour mettre le texte au propre avant de le mettre en voix — ce que vous entendez correspond exactement au contenu du résultat.

Qui peut l’utiliser et limites

La génération audio est accessible aux niveaux ANGEL et DIOS (comme l’audio/vidéo et l’OCR). Comme Piper effectue la synthèse sur le CPU, il existe une limite de caractères par requête pour protéger le serveur — configurable par rôle :

Réglage	Par défaut	Signification
GOD_TTS_CHARS	0	DIOS : aucune limite
ANGEL_TTS_CHARS	100000	ANGEL : nombre maximal de caractères par MP3
HUMAN_TTS_CHARS	20000	HUMANO (uniquement si HUMAN_TTS=true)
TTS_TIMEOUT	600	Durée maximale en secondes par synthèse
TTS_OPENAI_MODEL	tts-1	Modèle cloud (tts-1 ou tts-1-hd)

Consultez la Configuration pour la liste complète. Un document très long avec une voix locale peut prendre un certain temps à synthétiser — c’est le CPU, pas un bug.