Lu le 19 novembre 2026
Les produits Gradium
Text-to-Speech (Gradium TTS)
Synthèse vocale en streaming temps réel avec des voix expressives dans cinq langues via une seule API de streaming.
· Une synthèse vocale en moins de 50 ms qui maîtrise les cas difficiles
· 49 ms de délai avant le premier audio (P50), benchmark Speko TTS
· TTFA P50 de 50 ms, 0 ms de silence initial, écart P25–P75 de 5 ms (TTFA perçu, benchmark Coval)
· 81,0 % de réussite sur les cas difficiles : 500 phrases, 5 langues
Source : gradium.ai/text-to-speech
Speech-to-Text (Gradium STT)
Transcription en streaming conçue pour la conversation en direct, avec détection sémantique de fin de tour de parole, boost de mots-clés et latence réglable via un seul WebSocket.
· Signal de détection sémantique de fin de tour de parole toutes les 80 ms
· Délai réglable de 0,56 s à 3,84 s
· Boost de mots-clés / prononciation personnalisée : jusqu'à 500 mots, sans réentraînement ; la probabilité de chaque mot peut être multipliée par environ 20
· Une fois qu'un mot apparaît, il reste (aucune réécriture des mots précédents)
Source : gradium.ai/speech-to-text
Voice Cloning (Instant and Pro)
Clonez une voix à partir d'un échantillon de 10 secondes (Instant) ou affinez un Pro Voice Clone à partir de 30 minutes à quelques heures d'audio.
· Clonez n'importe quelle voix à partir de 10 s d'audio ; aucune étape d'entraînement
· Le clone instantané renvoie une voix utilisable en environ 3 secondes
· Elo le plus élevé face à ElevenLabs Flash 2.5 en anglais, français, espagnol et allemand, sur 3 220 comparaisons humaines en aveugle
· 1 000 clones instantanés par mois sur chaque offre payante ; illimité avec Enterprise
Source : gradium.ai/voice-cloning
Voice Design
Générez une toute nouvelle voix à partir d'un court prompt texte (âge, genre, accent, texture, humeur), écoutez des candidats et conservez-en un comme identifiant de voix permanent.
· 4,06 / 5 de respect de l'accent, le meilleur des quatre systèmes de création de voix testés
· 83,4 % de respect du prompt sur le benchmark InstructTTSEval anglais
· Plus de 100 accents
· Voice Design est gratuit et inclus dans chaque offre
Source : gradium.ai/voice-design
Live Translation (Gradium Translate: stt-translate and s2s-translate)
Traduction vocale en temps réel entre cinq langues, dans toutes les directions, sous forme de texte (stt-translate) ou de parole dans une voix choisie ou clonée (s2s-translate).
· 20 paires de langues : n'importe laquelle des cinq langues vers n'importe quelle autre
· Latence moyenne de bout en bout de 3,0 s sur toutes les paires de langues
· Sortie dans n'importe laquelle des plus de 1 000 voix du catalogue ou dans un clone de votre propre voix
· Langue source détectée automatiquement
Source : gradium.ai/live-translation
Phonon (on-device TTS)
Synthèse vocale open-weight de Gradium fonctionnant sur l'appareil, hors ligne, sur CPU, téléphones, petites cartes et dans le navigateur.
· Trois modèles : Phonon 31m (64 Mo, anglais, Apache 2.0), Phonon 40m (74,6 Mo, 5 langues, un modèle par langue, CC BY-NC), Phonon 40m multilingual (74,6 Mo, 5 langues dans un seul modèle, CC BY-NC)
· 1,7 % de WER (Phonon 31m, anglais) sur 500 phrases difficiles : numéros de téléphone, adresses e-mail, codes postaux
· Commence à parler en 7 ms sur un CPU de MacBook Air M5 ; Phonon 31m démarre en 38 ms et fonctionne 3,7 fois plus vite que le temps réel sur un Raspberry Pi 5
· Jusqu'à 22 fois plus vite que le temps réel sur un iPhone 16 Pro
Source : gradium.ai/phonon
Gradbot
Framework open source d'agents vocaux de Gradium (cœur d'orchestration en Rust) qui coordonne STT, tout LLM compatible OpenAI et TTS en temps réel.
· Créez des agents vocaux en temps réel en environ 50 lignes de code
· Gère la VAD, les prises de parole, les mots de remplissage, les interruptions ; intégration MCP ; mode serveur distant
· Conçu pour le prototypage rapide, les démos et l'expérimentation ; pour la production, utilisez directement les API Gradium ou des intégrations matures comme Pipecat
· Installation : pip install gradbot
Source : gradium.ai/gradbot
Speech-to-Speech (S2S)
WebSocket duplex unique qui transcrit, traduit et resynthétise l'audio ; le seul modèle S2S pris en charge est la traduction en direct (s2s-translate).
· Renvoie à la fois l'audio de sortie synthétisé et la transcription traduite au fur et à mesure de leur production
Source : docs.gradium.ai/guides/speech-to-speech-overview.md
Voice Enhance and Voice Localization
Enhance nettoie une voix existante sans changer de langue ni de locuteur ; Localization adapte une voix existante à une autre langue ou à un autre accent.
· Voice Enhance en bêta le 24 septembre 2026 ; fin de la bêta le 8 octobre 2026
· API Voice Localization le 8 octobre 2026 ; localisateur de voix dans Studio le 16 octobre 2026
Gradium Studio
Espace de test des voix et gestion de compte sur studio.gradium.ai.
· Nombre de places illimité dans Studio sur chaque offre
Source : gradium.ai/llms.txt
Modèles TTS
| Modèle | API | |
|---|---|---|
| Gradium TTS (current default) | default | Modèle TTS par défaut ; « gradium-tts-beta » y est également redirigé jusqu'à la prochaine bêta. Devenu le modèle par défaut le 30 septembre 2026, avec une parole plus expressive et une latence plus faible ; cfg_coef est obsolète. · environ 50 ms pour le premier segment audio (blog, 1er oct. 2026) ; moins de 50 ms au lancement de la bêta contre 225 ms pour le modèle alors en production (notes de version, 22 sept. 2026) ; 47 ms en P50 sur Coval (fenêtre de 7 jours, relevé le 24 septembre 2026) |
| gradium-tts-beta (alias) | gradium-tts-beta | Alias qui suit les modèles TTS bêta ; redirige actuellement vers le modèle par défaut. |
| Gradium TTS (August 31, 2026 release) | default (at the time); LiveKit Inference id gradium/default | Lit les numéros de téléphone, adresses e-mail, IBAN et codes de référence sans prétraitement ; bêta publique à partir du 30 juillet 2026. · TTFA P50 de 216 ms sur Coval, 170 ms plus rapide que le modèle précédent ; écart p75 - p25 de 30 ms |
| gradium-tts-202602 (previous generation) | gradium-tts-202602 | Modèle précédent conservé temporairement après la mise à niveau du 10 juin 2026 ; il sera progressivement retiré. |
| Phonon 31m | phonon-31m-en (Hugging Face) | Sur l'appareil, 31m de paramètres, 64 Mo, Apache 2.0. · 38 ms pour démarrer sur un Raspberry Pi 5 |
| Phonon 40m | e.g. phonon-40m-fr (Hugging Face) | Sur l'appareil, 40m de paramètres, 74,6 Mo, un modèle par langue, CC BY-NC 4.0. |
| Phonon 40m multilingual | Sur l'appareil, 40m de paramètres, 74,6 Mo, cinq langues dans un seul modèle, CC BY-NC 4.0. |
Intégrations
LiveKit Agents
Plugin Gradium (livekit.plugins.gradium) pour STT, TTS ou les deux dans une même AgentSession ; Gradium TTS sur LiveKit Inference sous le nom gradium/default
Source : docs.gradium.ai/integrations/agent-frameworks/livekit.md · gradium.ai/llms.txt
Pipecat
GradiumTTSService diffuse Gradium TTS en streaming via WebSocket dans un pipeline Pipecat
Source : docs.gradium.ai/integrations/agent-frameworks/pipecat.md
Vapi
Ce n'est pas un fournisseur intégré ; connecté via un webhook de voix personnalisée et un WebSocket de transcripteur personnalisé
Source : docs.gradium.ai/integrations/agent-frameworks/vapi.md
OpenClaw
Fournisseur vocal Gradium inclus pour les agents de canaux de messagerie (messages vocaux Opus, téléphonie u-law 8 kHz)
Source : docs.gradium.ai/integrations/agent-frameworks/openclaw.md
Gradbot
Framework open source d'agents vocaux propre à Gradium
Source : docs.gradium.ai/integrations/agent-frameworks/gradbot.md
Keenable
Recherche web en temps réel pour les agents vocaux Gradium (démo Gradbot)
Source : docs.gradium.ai/integrations/web-search/keenable.md
Linkup
API de recherche web utilisée dans une démo d'agent vocal Gradbot de réservation d'hôtel
Tavily
Recherche web en temps réel pour un agent vocal Gradium (démo de location à Paris)
AWS Marketplace / Amazon SageMaker
Abonnement SaaS géré via AWS Marketplace et image de modèle déployable via SageMaker pour une inférence dans le VPC
Source : gradium.ai/llms.txt · gradium.ai/text-to-speech
Baseten
Déploiement Gradium TTS dédié hébergé sur Baseten, même protocole WebSocket
Eden AI
Gradium TTS, STT et traduction vocale disponibles via l'API d'Eden AI, limités à la région UE
Source : gradium.ai/llms.txt
AudioStack
Les voix Gradium disponibles sur la plateforme de production audio d'AudioStack
Source : gradium.ai/llms.txt
Yampa
Les modèles vocaux Gradium s'exécutent nativement dans Yampa (agents de service client), en SaaS sur infrastructure européenne ou sur site
Source : gradium.ai/llms.txt