Formats audio : PCM et G.711
Les formats audio supportés
L’API Voice Agent supporte trois formats audio pour l’entrée et la sortie. Le choix du format dépend de votre cas d’usage : application web, téléphonie ou traitement audio professionnel.
| Format | Encodage | Sample rates | Usage typique |
|---|---|---|---|
| audio/pcm | Linear16, Little-endian | 8000 - 48000 Hz | Applications web, traitement audio |
| audio/pcmu | G.711 mu-law | 8000 Hz uniquement | Téléphonie Amérique du Nord |
| audio/pcma | G.711 A-law | 8000 Hz uniquement | Téléphonie Europe / international |
PCM (Pulse Code Modulation)
Le format PCM est le format par défaut et le plus polyvalent. Il encode l’audio en valeurs entières signées sur 16 bits (Linear16) en little-endian, sans compression.
Sample rates disponibles
L’API supporte sept fréquences d’échantillonnage pour le PCM :
- 8000 Hz : qualité téléphonique minimale
- 16000 Hz : bon compromis pour la voix (wideband)
- 22050 Hz : qualité intermédiaire
- 24000 Hz : valeur par défaut, recommandée pour la plupart des cas
- 32000 Hz : qualité supérieure
- 44100 Hz : qualité CD
- 48000 Hz : qualité studio
Pour une application vocale standard, 24000 Hz offre le meilleur rapport qualité/bande passante. Augmenter au-delà n’apporte pas d’amélioration perceptible pour la parole.
Configuration dans session.update
{
"type": "session.update",
"session": {
"audio": {
"input": {
"format": {"type": "audio/pcm", "rate": 24000}
},
"output": {
"format": {"type": "audio/pcm", "rate": 24000}
}
}
}
}G.711 : mu-law et A-law
Les codecs G.711 sont les standards de la téléphonie traditionnelle. Ils utilisent une compression logarithmique pour réduire la taille des données audio tout en préservant la qualité vocale dans la bande téléphonique (300-3400 Hz).
mu-law (audio/pcmu)
Utilisé principalement en Amérique du Nord et au Japon. C’est le codec natif des réseaux téléphoniques nord-américains. Si vous intégrez l’API Voice Agent avec un système SIP basé aux États-Unis, audio/pcmu est le choix naturel.
A-law (audio/pcma)
Utilisé en Europe et dans le reste du monde. Pour une intégration avec un opérateur téléphonique européen, privilégiez audio/pcma.
Limitations des codecs G.711
Les deux codecs G.711 sont limités à 8000 Hz, ce qui signifie une bande passante audio réduite. La qualité vocale est suffisante pour la téléphonie mais inférieure au PCM 24000 Hz. Utilisez-les uniquement si votre infrastructure téléphonique l’exige.
Formats d’entrée et de sortie différents
L’API permet de configurer des formats différents pour l’entrée et la sortie. C’est utile dans les architectures hybrides :
{
"type": "session.update",
"session": {
"audio": {
"input": {
"format": {"type": "audio/pcmu", "rate": 8000}
},
"output": {
"format": {"type": "audio/pcm", "rate": 24000}
}
}
}
}Dans cet exemple, vous recevez du G.711 mu-law depuis un système téléphonique et vous renvoyez du PCM haute qualité vers un système de diffusion.
Points clés à retenir
- Le format par défaut est PCM 24000 Hz — idéal pour les applications web
- G.711 mu-law (pcmu) est le standard téléphonique nord-américain
- G.711 A-law (pcma) est le standard téléphonique européen
- Les codecs G.711 sont limités à 8000 Hz
- Vous pouvez utiliser des formats différents pour l’entrée et la sortie
- Pour la voix, 24000 Hz est le meilleur compromis qualité/bande passante