Премини към основното съдържание
Български— Изберете език
Меню

Българско издание

Voxtral TTS: Синтез и клониране на глас

Създавайте персонализирани гласове и генерирайте реч с Voxtral TTS: клониране без предварително обучение, потоково предаване в реално време и оптимизирани аудио формати.

14 урока ок. 1 ч 30 мин Програмист

Какво ще научите

  • Създаване на персонализиран глас чрез Voices API от качествен аудио образец
  • Генериране на реч и клониране на глас в движение от референтен откъс
  • Потоково предаване на генерирано аудио в реално време за намаляване на възприеманото забавяне
  • Контрол на произношението и сегментацията на текста за осигуряване на надежден вокален изход
  • Сглобяване на цялостен гласов поток, спазващ етичните правила за клониране на глас

Информация за курса

За кого е
Разработчици, инженери и интегратори, които искат да използват Mistral AI чрез API в своите приложения.
Предварителни изисквания
Умение за четене на Python и JSON, основи на командния ред. API ключ за Mistral AI Studio за тестване на примерите.
Продължителност
1 ч 30 мин — 14 урока
Формати
100% онлайн курс в собствен темп, достъпен 24/7 от браузър. Прогресът се запазва, възобновяване по всяко време. Приблизителна продължителност: 1 ч 30 мин.
Оценяване
Практически упражнения, предлагани през цялото време на уроците. Всеки урок завършва със своите основни изводи, подпомагащи самооценката. Финален тест от 5 въпроса с отговори в края на последния урок валидира обучението.
Достъпност
Курс в собствен темп, достъпен за хора с увреждания: текстово съдържание, съвместимо със екранни четци, навигация с клавиатура и съответстващи контрасти. За всякакви нужди от адаптация, пишете на [email protected].
Цена
Безплатно

Уроци

  1. 01 Въведение в Voxtral TTS
  2. 02 Модели Voxtral TTS
  3. 03 Варианти на употреба на TTS
  4. 04 API за гласове
  5. 05 Създаване на персонализиран глас
  6. 06 Най-добри практики за аудио
  7. 07 Политика и етика на клонирането на глас
  8. 08 Генериране на основна реч
  9. 09 Клониране на глас в реално време
  10. 10 Стрийминг в реално време
  11. 11 Контрол на текста и произношението
  12. 12 Аудио формати
  13. 13 Оптимизация на латентността
  14. 14 Пълна гласова верига