Voix personnalisée pour une skill Alexa : jouez votre propre audio
Une skill Alexa parle avec la voix d’Alexa ou l’une des voix d’Amazon Polly. Pour un animateur de quiz, un narrateur d’histoires, des personnages de jeu ou une voix de marque, cela ne suffit pas, et le SSML a la réponse : la balise audio joue votre propre MP3 au milieu d’une réponse.
Le moteur gratuit SuperClonica vocalise ces fichiers hors ligne, avec une voix de base, votre propre voix entraînée ou un personnage. Ce guide présente les exigences exactes d’Amazon, comment produire un MP3 conforme directement en Python et comment mêler votre audio à la voix d’Alexa.
Comment fonctionne l’audio personnalisé sur Alexa
Laissez la voix d’Alexa lire ce qui change, comme un score ou un prénom, et jouez vos fichiers pour tout ce qui reste identique.
- La balise audio du SSML joue un MP3 depuis une URL HTTPS au sein d’une réponse.
- Amazon exige un MP3 MPEG version 2 à 48 kbit/s, avec une fréquence de 16000, 22050 ou 24000 Hz.
- L’audio d’une réponse peut durer jusqu’à 240 secondes, 90 dans un reprompt, avec au plus cinq fichiers.
- SuperClonica parle 31 langues ; le chinois n’est pas encore pris en charge.
Écouter les voix gratuitement
Sur la page de n’importe quelle voix, saisissez une réplique de votre skill, 30 à 100 caractères, choisissez la langue et cliquez sur le bouton de synthèse. En quelques secondes, vous entendez si elle convient à votre animateur, narrateur ou personnage, sans compte.
Créer un MP3 prêt pour Alexa
Gardez chaque fichier court et ciblé : un accueil, une question, un signal sonore. Les fichiers courts se chargent plus vite et se réutilisent mieux.
- Installez le moteur : python -m pip install superclonica-cpu.
- Vocalisez une réplique et écrivez-la au format d’Amazon d’un coup : tts = Superclonica(); audio, rate = tts.synthesize("Bon retour ! Votre quiz commence maintenant.", "F1", "fr"); sf.write("welcome.mp3", resample_poly(audio, 24000, rate), 24000, format="MP3", bitrate_mode="CONSTANT", compression_level=0.75).
- Avec soundfile 0.14 et libsndfile 1.2, installés avec le moteur, compression_level 0.75 donne un MPEG-2 constant à 48 kbit/s et 24 kHz.
- Vérifiez chaque fichier avant de l’envoyer, avec ffprobe ou la commande file.
L’héberger et le jouer
Hébergez les fichiers en HTTPS avec un certificat valide et de confiance, par exemple dans un bucket S3 ; les certificats autosignés sont refusés. Les requêtes vers les fichiers ne sont pas authentifiées, ils ne doivent donc rien contenir de personnel ou de sensible sur le client. Dans la réponse, placez la balise audio avec l’URL du fichier dans la chaîne SSML passée à speak() dans l’ASK SDK, avant ou après les mots d’Alexa.
Des voix qui passent la certification
Amazon examine chaque skill avant certification. Utilisez des voix dont vous avez les droits : les dix voix de base du modèle, de M1 à M5 et de F1 à F5, votre propre voix entraînée dans le studio SuperClonica à partir de l’enregistrement d’un locuteur qui a donné son accord, ou une voix commandée sur la bourse. Les voix de personnages faites par des fans sont pour les projets personnels, pas pour une skill publiée, et aucune voix ne doit imiter une personne réelle.