Utiliser des dictionnaires de prononciation

Guide pratique · Suppose que vous avez suivi le guide de démarrage rapide d’ElevenAPI.

Présentation

Les dictionnaires de prononciation vous permettent de personnaliser la façon dont votre agent IA prononce certains mots ou expressions. Ils sont particulièrement utiles pour :

Corriger la prononciation de noms, de lieux ou de termes techniques
Garantir une prononciation cohérente d’une conversation à l’autre
Personnaliser les variations régionales de prononciation

ElevenLabs prend en charge les alphabets IPA et CMU.

Les balises de phonèmes des dictionnaires de prononciation fonctionnent uniquement avec les modèles eleven_v4, eleven_v4_turbo, eleven_flash_v2 et eleven_v3.

Les autres modèles ignorent les balises de phonèmes des dictionnaires et utilisent la prononciation par défaut. Pour les autres modèles, utilisez plutôt des balises d’alias afin de remplacer des orthographes ou des expressions par celles qui produisent la prononciation souhaitée.

Si vous souhaitez utiliser les prononciations IPA et CMU dans des langues autres que l’anglais, vous devrez passer au modèle eleven_v4 ou eleven_v4_turbo.

Démarrage rapide

Ce guide suppose que vous avez configuré votre clé API et votre SDK. Terminez d’abord le guide de démarrage rapide si ce n’est pas déjà fait.

Créer un fichier de dictionnaire de prononciation

Dans cet exemple, nous allons créer un fichier de dictionnaire de prononciation pour le mot tomato.

Cette règle utilisera l’alphabet « IPA » et modifiera la prononciation de tomato et de Tomato avec une prononciation différente. Les fichiers PLS sont sensibles à la casse, c’est pourquoi nous incluons le mot avec et sans « T » majuscule.

Vous pouvez utiliser des outils d’IA comme Claude ou ChatGPT pour générer des notations IPA ou CMU pour des mots spécifiques.

dictionary.pls

<?xml version="1.0" encoding="UTF-8"?>
<lexicon version="1.0"
    xmlns="http://www.w3.org/2005/01/pronunciation-lexicon"
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xsi:schemaLocation="http://www.w3.org/2005/01/pronunciation-lexicon
        http://www.w3.org/TR/2007/CR-pronunciation-lexicon-20071212/pls.xsd"
    alphabet="ipa" xml:lang="en-US">
<lexeme>
    <grapheme>tomato</grapheme>
    <phoneme>/tə'meɪtoʊ/</phoneme>
</lexeme>
<lexeme>
    <grapheme>Tomato</grapheme>
    <phoneme>/tə'meɪtoʊ/</phoneme>
</lexeme>
</lexicon>

Créer un dictionnaire de prononciation à partir d’un fichier via le SDK

Créez un fichier nommé example.py ou example.mts, selon le langage de votre choix, puis ajoutez le code suivant :

from elevenlabs import ElevenLabs, PronunciationDictionaryVersionLocator
from elevenlabs.play import play
elevenlabs = ElevenLabs()
with open("dictionary.pls", "rb") as f:
    # this dictionary changes how tomato is pronounced
    pronunciation_dictionary = elevenlabs.pronunciation_dictionaries.create_from_file(
        file=f.read(), name="example"
    )
audio_1 = elevenlabs.text_to_speech.convert(
    text="Without the dictionary: tomato",
    voice_id="aMSt68OGf4xUZAnLpTU8",
    model_id="eleven_v4_turbo",
)
audio_2 = elevenlabs.text_to_speech.convert(
    text="With the dictionary: tomato",
    voice_id="aMSt68OGf4xUZAnLpTU8",
    model_id="eleven_v4_turbo",
    pronunciation_dictionary_locators=[
        PronunciationDictionaryVersionLocator(
            pronunciation_dictionary_id=pronunciation_dictionary.id,
            version_id=pronunciation_dictionary.version_id,
        )
    ],
)
# play the audio
play(audio_1)
play(audio_2)

Exécuter le code

python example.py

Vous devriez entendre deux versions de l’audio dans vos haut-parleurs, l’une avec et l’autre sans le dictionnaire de prononciation.

Étapes suivantes

Guide de l’API

Guide complet de l’API des dictionnaires de prononciation.

Streaming TTS

Diffusez progressivement du texte en parole pour une lecture à plus faible latence.