Cruthaigh Guth Saincheaptha
Ar an leathanach seo
An cúrsa nuashonraithe an 3 Samhain, 2026 do Voxtral TTS 3, bunaithe ar an treoir
Migrate from Voxtral 2agus ar leathanaigh Text to Speech ó Mistral: távoxtral-mini-tts-2603, a d’éag an 31 Deireadh Fómhair, 2026 agus a scorfar an 30 Aibreán, 2027, curtha in ionad agvoxtral-mini-tts-3-0sna samplaí. Fanann guthanna réamhshocraithe Voxtral 2 (gb_jane_neutral…) inghlactha; cuireann Voxtral 3 clibeanna[emotion=…]agus[pace=…]sa téacs, an socruitheexpressiveness, fuaimniú saincheaptha (phoneme_hints), agus 35 teanga leis. Molann Mistral moill a ath-thomhas tar éis na himirce. Foincí:Migrate from Voxtral 2(https://docs.mistral.ai/studio/audio/migrate-from-voxtral-2) · Speech generation.
Ó Thaifeadadh go Guth Clónáilte
Tagann guth saincheaptha a chruthú le Voxtral anuas ar dhá chéim: ullmhaigh sampla fuaime ar ardchaighdeán, ansin seol chuig an API é leis na paraiméadair chearta. Tógann an dara céim deich nóiméad; tuilleann an chéad chéim níos mó aire toisc gurb í a chinneann an toradh. Tugann an ceacht seo tú tríd do chéad ghuth a chruthú.
Ullmhaigh do Shampla Fuaime
Is é an sampla fuaime bunús do ghutha: cinneann a cháilíocht go díreach cáilíocht na cainte sintéise. Ní cheartaíonn an múnla aon rud; atáirgeann sé an rud a chloiseann sé.
Le Voxtral TTS 3, iarrann an doiciméadú taifeadadh MP3 nó WAV a mhairfidh cúpla soicind go cúpla nóiméad (ghlac Voxtral 2 le 3 go 30 soicind). Go praiticiúil, seasann trí réím amach. Idir 3 agus 10 soicind, gabhann an múnla an bun-timbre ach le níos lú nuansaí: beidh an guth inaitheanta gan a bheith fíorbheo go hiomlán. Idir 10 agus 20 soicind, faigheann tú comhréir mhaith idir cáilíocht agus simplíocht, atá leordhóthanach don chuid is mó de thionscadail. Thar 20 soicind, tugann tú ábhar dóthain don mhúnla chun mínphointí a thuiscint—ritim, intanú, na micreathruithe sin a ligeann do chara tú a aithint i dhá fhocal.
Is é an cheist atá fágtha ná cad le rá, saincheist a chuireann bac ar níos mó daoine ná mar a shamhlófá nuair a bhíonn sé in am an taifeadadh a thosú. Seo scripte tagartha a mholann Mistral:
“I am recording an audio sample to clone my voice. Once finished, I will be able to generate speech that sounds like me. It is incredible how AI can capture my way of speaking, my tone, my rhythm, and even the small quirks that make my voice unique.”
Níl an téacs seo treallach: tá sé deartha chun raon fuaimeanna agus intanuithe a chlúdach i mBéarla, le gutaí oscailte agus dúnta, consain phléascacha, agus abairt ghairmneach. Maidir leis an gcomhad, glacann an API le formáidí coitianta—MP3, WAV, FLAC, OGG—agus déantar an comhad a ionchódú i mbonn64 sula seoltar é.
An Cód Python Iomlán
Seo an cód chun guth a chruthú leis na paraiméadair uile atá ar fáil:
import base64
from pathlib import Path
from mistralai.client import Mistral
client = Mistral(api_key="your-api-key")
# Read and encode the audio sample
audio_path = Path("my-sample.mp3")
sample_audio_b64 = base64.b64encode(audio_path.read_bytes()).decode()
# Create the voice with all parameters
voice = client.audio.voices.create(
name="podcast-narrator-en",
sample_audio=sample_audio_b64,
sample_filename=audio_path.name,
languages=["en", "fr"],
gender="male",
age=40,
tags=["podcast", "narrator", "professional"]
)
print(f"Voice created successfully!")
print(f" ID : {voice.id}")
print(f" Name : {voice.name}")
print(f" Languages : {voice.languages}")
Níl ach dhá pharaiméadar riachtanach:
name: an t-ainm taispeána do do ghuth. Roghnaigh ainm cur síosach a ligeann duit é a aithint go héasca (m.sh.support-assistant-en,podcast-intro)sample_audio: an sampla fuaime ionchódaithe i mbonn64. Seo an t-aon pharaiméadar nach féidir a mhodhnú tar éis a chruthaithe
Tá na cinn eile roghnach, ach freastalaíonn gach ceann acu ar chuspóir concreideach:
sample_filename: an bunainm comhaid. Cabhraíonn sé leis an API formáid na fuaime a bhrathslug: aitheantóir cairdiúil le haghaidh URL. Mura ndéantar é a shonrú, gintear go huathoibríoch é ón ainmlanguages: eagar de chóid teanga ISO (m.sh.["en", "fr", "es"]). Léiríonn sé na teangacha a bhfuil an guth seo optamaithe dóibhgender:"male"nó"female". Úsáidtear é le haghaidh scagadh sa chomhéadanage: slánuimhir a léiríonn aois mheasta an chainteora. Cabhraíonn sé le catagóiriú an ghuthatags: eagar de shreangáin saorchrutha chun do ghuthanna a eagrú (m.sh.["commercial", "dynamic"])
Ar thionscadal aonghutha, d’fhéadfá bheith ar tí gach rud eile a fhágáil ar lár. Ar chatalóg de thríocha guth scaipthe ar fud iliomad cliant, sábhálfaidh clibeanna agus teangacha a shonraítear ag an am cruthaithe uaireanta an chloig duit ag sórtáil.
Taifead ón mBrabhsálaí
Má fhearr leat gan comhaid fuaime a láimhseáil, ligeann Mistral Studio duit taifeadadh go díreach ó do bhrabhsálaí:
- Téigh go dtí an roinn Audio > Text to Speech
- Cliceáil ar My Voices ansin Add a new voice
- Cuir isteach ainm do ghutha
- Cliceáil ar an gcnaipe taifeadta agus labhair ar feadh 10 go 30 soicind
- Deimhnigh—beidh do ghuth ar fáil láithreach
Oibríonn an modh seo go foirfe le haghaidh tástálacha tapa, nó nuair nach é an duine a thugann a ghuth ar iasacht an duine céanna atá ag scríobh an chóid—beidh aisteoir nó feidhmeannach sásta an cleachtadh a dhéanamh i mbrabhsálaí seachas i gcríochfort.
Fíoraigh do Ghuth
Ná téigh ar aghaidh gan éisteacht leis an toradh ar dtús. Chomh luath agus a bheidh an cruthú críochnaithe, giniúint abairt tástála:
response = client.audio.speech.complete(
model="voxtral-mini-tts-3-0",
input="Hello, this is a test of my custom voice.",
voice_id=voice.id,
response_format="mp3",
)
Path("test-voice.mp3").write_bytes(
base64.b64decode(response.audio_data)
)
print("File test-voice.mp3 generated — listen to the result!")
Éist le clogaidí, ní le callairí ríomhaire glúine: tá lochtanna timbre dofheicthe ansin. Mura sásaíonn an toradh thú, cruthaigh guth nua le sampla níos fearr seachas an ceann céanna a athúsáid—ní cheadaíonn an API fuaim ghuth atá ann cheana a athsholáthar ar aon chuma, agus má leanann tú ar aghaidh le taifeadadh bocht, ní dhéanfaidh tú ach an fhadhb a chur ar athló.
Príomhphointí
- Is féidir leis an taifeadadh (MP3 nó WAV) mairseáil ó chúpla soicind go cúpla nóiméad; díriú ar 10 go 20 soicind ar a laghad de chaint éagsúil
- Déantar an comhad fuaime a ionchódú i mbonn64 sula seoltar chuig an API é
- Tá na paraiméadair
nameagussample_audioriachtanach; tá na cinn eile roghnach - Ligeann Mistral Studio duit taifeadadh go díreach ón mbrabhsálaí
- Déan tástáil ar do ghuth i gcónaí díreach tar éis é a chruthú