Edición en español
Voxtral TTS: Síntesis y clonación de voz
Crea voces personalizadas y genera habla con Voxtral TTS: clonación zero-shot, transmisión en tiempo real y formatos de audio optimizados.
14 lecciones ca. 1 h 30 min Desarrollador
Lo que aprenderás
- Crear una voz personalizada mediante la API de Voices a partir de una muestra de audio de calidad
- Generar habla y clonar una voz al vuelo a partir de un extracto de referencia
- Transmitir el audio generado en tiempo real para reducir la latencia percibida
- Controlar la pronunciación y la segmentación del texto para garantizar una salida vocal fiable
- Ensamblar una canalización de voz completa respetando las normas éticas de clonación de voz
Ficha del curso
- Dirigido a
- Desarrolladores, ingenieros e integradores que buscan aprovechar Mistral AI mediante API en sus aplicaciones.
- Requisitos previos
- Capacidad para leer Python y JSON, nociones básicas de línea de comandos. Una clave de API de Mistral AI Studio para probar los ejemplos.
- Duración
- 1 h 30 min — 14 lecciones
- Modalidades
- Curso 100 % en línea y a tu propio ritmo, accesible 24/7 desde un navegador. Progreso guardado, reanuda cuando quieras. Duración estimada: 1 h 30 min.
- Evaluación
- Ejercicios prácticos ofrecidos a lo largo de las lecciones. Cada lección termina con sus puntos clave, lo que favorece la autoevaluación. Un cuestionario final de 5 preguntas corregidas, al final de la última lección, valida el aprendizaje.
- Accesibilidad
- Curso a tu propio ritmo accesible para personas con discapacidad: contenido de texto compatible con lectores de pantalla, navegación por teclado y contrastes conformes. Para cualquier necesidad de adaptación, escribe a [email protected].
- Precio
- Gratis
Contenido del curso
- 01 Introducción a Voxtral TTS
- 02 Modelos TTS de Voxtral
- 03 Casos de uso de TTS
- 04 La API de Voices
- 05 Crear una voz personalizada
- 06 Mejores prácticas para audio
- 07 Política y ética de la clonación de voz
- 08 Generación básica de voz
- 09 Clonación de voz al vuelo
- 10 Streaming en tiempo real
- 11 Control del texto y la pronunciación
- 12 Formatos de audio
- 13 Optimización de la latencia
- 14 Canalización de voz completa