TTS-inworldAPI - Voice Changer IA

Transformez votre voix en temps réel avec l'IA d'Inworld. Idéal pour Discord, OBS, Zoom et autres applications de streaming/chat.

Comment ça marche

[Votre Micro] → [Détection Voix] → [Transcription IA] → [Synthèse Inworld] → [Discord/OBS]

VAD - Détecte quand vous parlez
STT - Transcrit votre voix en texte (Vosk, Whisper ou Windows SAPI)
TTS - Inworld génère une nouvelle voix avec votre texte
Sortie - L'audio va vers un câble virtuel utilisable dans Discord

Prérequis

Python 3.11 ou 3.12 (3.14 non supporté pour Whisper)
Compte Inworld AI avec clés API
Câble audio virtuel (voir installation par OS)

Installation Windows

1. Installer Python

Téléchargez Python 3.12 sur python.org

Cochez "Add Python to PATH" pendant l'installation

2. Installer VB-Cable (câble audio virtuel)

Téléchargez et installez: https://vb-audio.com/Cable/

Cela crée deux périphériques:

CABLE Input - où le voice changer envoie l'audio
CABLE Output - ce que Discord utilise comme micro

3. Cloner et configurer

git clone https://github.com/votre-user/TTS-inworldAPI.git
cd TTS-inworldAPI

:: Créer l'environnement virtuel
python -m venv venv

:: Activer le venv
venv\Scripts\activate

:: Installer les dépendances
pip install -r requirements.txt
pip install setuptools

:: (Optionnel) Pour utiliser Whisper au lieu de Vosk
pip install faster-whisper torch

:: (Optionnel) Pour utiliser la reconnaissance vocale Windows (SAPI)
pip install SpeechRecognition

:: (Optionnel) Pour le mode push-to-talk
pip install pynput

Windows SAPI : Si vous utilisez le moteur windows, assurez-vous que le language pack français est installé : Paramètres > Heure et langue > Langue > Ajouter une langue > Français > cocher "Reconnaissance vocale"

4. Télécharger le modèle Vosk

python download_model.py

5. Configurer les clés API

copy .env.example .env
notepad .env

Remplissez:

INWORLD_KEY=votre_jwt_key
INWORLD_SECRET=votre_jwt_secret
INWORLD_VOICE_ID=votre_voice_id
INWORLD_MODEL_ID=inworld-tts-1.5-mini

Pour trouver votre Voice ID:

python src/main.py list-voices

6. Lancer le Voice Changer

:: Lister les périphériques audio
python src/main.py list-devices

:: Lancer (remplacez X par l'ID de CABLE Input)
python src/main.py run --output-device X

:: Avec Whisper (plus précis)
python src/main.py run --stt whisper --output-device X

:: Avec Windows SAPI (rapide, pas de modèle à télécharger)
python src/main.py run --stt windows --output-device X

7. Configurer Discord

Ouvrez Discord → Paramètres → Voix & Vidéo
Périphérique d'entrée: CABLE Output
Parlez - votre voix est maintenant transformée!

Installation macOS

1. Installer Homebrew (si pas déjà fait)

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

2. Installer les dépendances système

brew install python@3.12 portaudio ffmpeg

3. Installer BlackHole (câble audio virtuel)

Téléchargez: https://existential.audio/blackhole/

Installez BlackHole 2ch.

4. Cloner et configurer

git clone https://github.com/votre-user/TTS-inworldAPI.git
cd TTS-inworldAPI

# Créer l'environnement virtuel avec Python 3.12
/opt/homebrew/bin/python3.12 -m venv venv

# Activer le venv
source venv/bin/activate

# Installer les dépendances
pip install -r requirements.txt
pip install setuptools

# (Optionnel) Pour utiliser Whisper au lieu de Vosk
pip install faster-whisper torch

# (Optionnel) Pour le mode push-to-talk
pip install pynput

5. Télécharger le modèle Vosk

python download_model.py

Si erreur SSL:

mkdir -p models && cd models
curl -k -O https://alphacephei.com/vosk/models/vosk-model-small-fr-0.22.zip
unzip vosk-model-small-fr-0.22.zip
cd ..

6. Configurer les clés API

cp .env.example .env
nano .env  # ou utilisez votre éditeur préféré

Remplissez:

INWORLD_KEY=votre_jwt_key
INWORLD_SECRET=votre_jwt_secret
INWORLD_VOICE_ID=votre_voice_id
INWORLD_MODEL_ID=inworld-tts-1.5-mini

Pour trouver votre Voice ID:

python src/main.py list-voices

7. Lancer le Voice Changer

# Lister les périphériques audio
python src/main.py list-devices

# Lancer (remplacez X par l'ID de BlackHole 2ch)
python src/main.py run --output-device X

# Avec Whisper (plus précis)
python src/main.py run --stt whisper --whisper-model small --output-device X

Note : Le moteur Windows SAPI (--stt windows) n'est pas disponible sur macOS.

8. Configurer Discord

Ouvrez Discord → Paramètres → Voix & Vidéo
Périphérique d'entrée: BlackHole 2ch
Parlez - votre voix est maintenant transformée!

Commandes

Pensez toujours à activer le venv avant de lancer une commande :

Windows : venv\Scripts\activate

macOS/Linux : source venv/bin/activate

`list-devices` - Lister les périphériques audio

Affiche tous les périphériques audio (entrées et sorties) avec leur ID, nom et sample rate. Utile pour trouver l'ID de votre micro et de votre câble virtuel.

python src/main.py list-devices

`list-voices` - Lister les voix Inworld

Interroge l'API Inworld et affiche toutes les voix disponibles avec leur Voice ID. Nécessite les clés API dans .env.

python src/main.py list-voices

`test-tts` - Tester la synthèse vocale

Envoie un texte à l'API Inworld et sauvegarde l'audio généré. Permet de vérifier que la connexion API fonctionne.

# Sauvegarder dans un fichier
python src/main.py test-tts --text "Bonjour le monde"

# Sauvegarder et jouer directement
python src/main.py test-tts --text "Bonjour" --play

# Avec une voix spécifique (sinon utilise .env)
python src/main.py test-tts --text "Hello" --voice mon_voice_id --play

# Changer le fichier de sortie
python src/main.py test-tts --text "Test" --output mon_fichier.wav

Option	Description	Défaut
`--text TEXT`	Texte à synthétiser	`"Hello from Inworld voice changer"`
`--voice ID`	Voice ID Inworld	valeur de `.env`
`--output FILE`	Fichier de sortie	`output.wav`
`--play`	Jouer l'audio après génération	non

`test-vad` - Tester la détection de voix

Capture le micro et sauvegarde chaque segment de parole détecté dans un fichier WAV. Utile pour vérifier que le VAD détecte bien votre voix.

# Avec le micro par défaut
python src/main.py test-vad

# Avec un micro spécifique
python src/main.py test-vad --input-device 2

# Sauvegarder dans un dossier spécifique
python src/main.py test-vad --output-dir mes_enregistrements

Option	Description	Défaut
`--input-device ID`	ID du micro	défaut système
`--output-dir DIR`	Dossier de sauvegarde	`recordings/`

`test-stt` - Tester la transcription sur un fichier

Transcrit un fichier WAV avec Vosk. Utile pour tester la qualité de transcription sans micro.

python src/main.py test-stt --file recordings/utterance_0.wav

# Avec un modèle Vosk spécifique
python src/main.py test-stt --file audio.wav --model models/vosk-model-fr-0.22

Option	Description	Défaut
`--file FILE`	Fichier WAV à transcrire (obligatoire)	-
`--model PATH`	Chemin vers le modèle Vosk	`models/vosk-model-small-fr-0.22`

`run` - Lancer le voice changer

Commande principale. Démarre le pipeline complet : capture micro -> VAD -> STT -> TTS Inworld -> sortie audio.

# Basique avec Vosk (défaut)
python src/main.py run

# Avec périphériques spécifiques
python src/main.py run --input-device 1 --output-device 3

# Avec Whisper (plus précis, plus lent)
python src/main.py run --stt whisper

# Whisper modèle small (meilleure qualité)
python src/main.py run --stt whisper --whisper-model small

# Avec Windows SAPI (Windows uniquement, rapide, pas de modèle)
python src/main.py run --stt windows

# En anglais
python src/main.py run --stt whisper --language en

# VAD moins agressif (capte plus de sons, y compris du bruit)
python src/main.py run --vad-aggressiveness 1

# Push-to-Talk (maintenir la touche pour parler)
python src/main.py run --ptt --output-device X

# Push-to-Talk avec touche F1
python src/main.py run --ptt --ptt-key f1 --output-device X

Option	Description	Défaut
`--input-device ID`	ID du microphone	défaut système
`--output-device ID`	ID de la sortie (câble virtuel)	défaut système
`--voice ID`	Voice ID Inworld	valeur de `.env`
`--stt ENGINE`	Moteur STT : `vosk`, `whisper` ou `windows`	`vosk`
`--model PATH`	Chemin vers le modèle Vosk	`models/vosk-model-small-fr-0.22`
`--whisper-model SIZE`	Modèle Whisper : `tiny`, `base`, `small`, `medium`	`base`
`--language CODE`	Langue : `fr`, `en`, `es`, `de`, etc.	`fr`
`--vad-aggressiveness N`	Filtrage bruit 0-3 (0=laisse passer, 3=strict)	`3`
`--ptt`	Active le mode push-to-talk	désactivé
`--ptt-key KEY`	Touche PTT : `space`, `f1`-`f4`, `ctrl_r`, `caps_lock`	`space`

Push-to-Talk : La touche et l'activation peuvent aussi se configurer dans .env avec PTT_ENABLED=true et PTT_KEY=space. Le flag --ptt en CLI prend la priorité sur .env.

Choix du moteur STT

Moteur	Précision	Vitesse	GPU	Taille	Plateforme
Vosk	~85-90%	Très rapide	Non	41 MB	Toutes
Whisper tiny	~90%	Rapide	Recommandé	75 MB	Toutes
Whisper base	~93%	Moyen	Recommandé	150 MB	Toutes
Whisper small	~96%	Lent sur CPU	Oui	500 MB	Toutes
Windows SAPI	~90-95%	Rapide	Non	0 MB (intégré)	Windows

Recommandation :

Windows sans GPU : utilisez Windows SAPI (--stt windows) - rien à télécharger, bonne qualité
Sans GPU (multi-plateforme) : utilisez Vosk
Avec GPU NVIDIA : utilisez Whisper small

Troubleshooting

"No module named 'xxx'"

# Vérifiez que le venv est activé
# Windows:
venv\Scripts\activate
# macOS:
source venv/bin/activate

"portaudio.h not found" (macOS)

brew install portaudio
pip uninstall pyaudio
pip install pyaudio

"pkg_resources" error

pip install setuptools

Erreur Inworld 401

Vérifiez vos clés dans .env
Utilisez JWT Key et JWT Secret (pas le Basic Base64)

Erreur Inworld 400 "model ID"

Ajoutez INWORLD_MODEL_ID=inworld-tts-1.5-mini dans .env

La voix se répète en boucle

C'est un feedback: le micro capte les haut-parleurs
Solution: utilisez un casque ou le câble virtuel en sortie

Latence élevée

Utilisez Vosk au lieu de Whisper
Vérifiez votre connexion internet

Python 3.14 + Whisper ne fonctionne pas

Whisper nécessite Python 3.11 ou 3.12
Créez un venv avec la bonne version de Python

Architecture

src/
├── main.py                 # CLI principale
├── core/
│   └── audio.py            # Capture micro, sortie audio
├── processing/
│   ├── vad.py              # Détection d'activité vocale
│   └── stt.py              # Transcription (Vosk/Whisper/Windows SAPI)
├── client/
│   └── inworld.py          # API Inworld TTS
└── controller/
    └── orchestrator.py     # Pipeline principal

Licence

MIT

Crédits

Inworld AI - Synthèse vocale
Vosk - STT léger
Faster-Whisper - STT précis
SpeechRecognition - Wrapper Python pour Windows SAPI
pynput - Listener clavier pour le push-to-talk

Name		Name	Last commit message	Last commit date
docs		docs
src		src
.env.example		.env.example
.gitignore		.gitignore
CLAUDE.md		CLAUDE.md
README.md		README.md
download_model.py		download_model.py
requirements.txt		requirements.txt

Latest commit

History

Folders and files

Repository files navigation