Clónáil Gutha ar an Eitilt
Ar an leathanach seo
An cúrsa nuashonraithe an 3 Samhain, 2026 le haghaidh Voxtral TTS 3, bunaithe ar an treoir
Migrate from Voxtral 2agus ar leathanaigh Text to Speech ó Mistral: távoxtral-mini-tts-2603, a díhógraíodh an 31 Deireadh Fómhair, 2026 agus a scoradh an 30 Aibreán, 2027, curtha in ionad agvoxtral-mini-tts-3-0sna samplaí. Glactar fós le guthanna réamhshocraithe Voxtral 2 (gb_jane_neutral…); cuireann Voxtral 3 clibeanna[emotion=…]agus[pace=…]sa téacs, an socruitheexpressiveness, fuaimniú saincheaptha (phoneme_hints), agus 35 teanga leis. Molann Mistral moill a aththomhas tar éis na himirce. Foinse:Migrate from Voxtral 2(https://docs.mistral.ai/studio/audio/migrate-from-voxtral-2) · Speech generation.
Clónáil Gan Sábháil
Bhí an cheacht roimhe seo ag brath ar ghuth sábháilte, a cruthaíodh roimh ré tríd an API Guthanna agus a dtugtar tagairt dó trína voice_id. Tairgeann Voxtral bealach eile: clónáil ar an eitilt, áit a soláthraíonn tú an fuaime thagartha go díreach san iarratas giniúna. Ní chruthaítear aon oibiacht i do chuntas: ní fhónann an sampla ach don iarratas sonrach sin, agus caitear amach é ina dhiaidh sin.
Go praiticiúil, cuirtear ref_audio in ionad voice_id, agus tá súil leis an sampla fuaime atá ionchódaithe i mbonn64. Fanann an chuid eile den ghlao gan athrú.
import base64
from pathlib import Path
from mistralai.client import Mistral
client = Mistral(api_key="your-api-key")
# Ionchódaigh an fhuaim thagartha
ref_audio_b64 = base64.b64encode(
Path("reference.mp3").read_bytes()
).decode()
# Giniúint le clónáil ar an eitilt
response = client.audio.speech.complete(
model="voxtral-mini-tts-3-0",
input="This speech will resemble the reference voice.",
ref_audio=ref_audio_b64,
response_format="wav",
)
audio_bytes = base64.b64decode(response.audio_data)
Path("cloned-output.wav").write_bytes(audio_bytes)
print("Audio generated with on-the-fly cloning!")
Trí Chás ina mbíonn an Cur Chuige Seo Thar Barr
Is é an chéad chás ná protaitípiú. Nuair atá tú ag lorg an tsampla thagartha cheart, d’fhéadfá deich, cúig cinn déag, nó fiú níos mó a thriail. Má chruthaíonn tú an oiread sin guthanna i do chuntas, beidh ort iad a aimsiú agus a scriosadh ceann ar cheann ina dhiaidh sin. Le ref_audio, ní fhágann do lúb tástála aon rian ar an bhfreastalaí, rud a ligeann duit léirithe a chur i gcomparáid trí éisteacht leis na comhaid a tháirgtear.
# Tástáil go tapa ar shamplaí iolracha
samples = ["sample1.mp3", "sample2.mp3", "sample3.mp3"]
for file in samples:
ref_b64 = base64.b64encode(Path(file).read_bytes()).decode()
response = client.audio.speech.complete(
model="voxtral-mini-tts-3-0",
input="This is a voice quality test.",
ref_audio=ref_b64,
response_format="mp3",
)
output = f"test-{Path(file).stem}.mp3"
Path(output).write_bytes(base64.b64decode(response.audio_data))
print(f"Generated: {output}")
Is é an dara cás ná úsáid ócáideach. Teachtaireacht bhreithlá phearsantaithe ag baint úsáide as guth duine mhuinteartha, nó taispeántas cliant ullmhaithe do chruinniú ar leith: mura n-úsáidfear an guth ach uair amháin, níl aon chúis leis a shuiteáil go buan i do chuntas.
Is é an tríú cás ná rúndacht. Ní stóráiltear fuaime thagartha a sheoltar trí ref_audio ar an bhfreastalaí. Má tá tú ag déileáil le guth othair, finné, nó feidhmeannaigh, ní cosmaideach an difríocht seo: athraíonn sí an méid a chaithfidh tú a dhearbhú i do chlár próiseála agus an méid a theastaíonn uait a scriosadh i gcás iarratais.
voice_id vs. ref_audio: Na Difríochtaí
| Critéar | voice_id | ref_audio |
|---|---|---|
| Marthanacht | Guth sábháilte sa chuntas | Gan mharthanacht |
| In-athúsáidteacht | Gan teorainn | In aghaidh an iarratais |
| Moill | Beagán níos tapúla (guth próiseáilte cheana) | Beagán níos moille (próiseáil ar gach glao) |
| Bainistíocht | CRUD iomlán (mionathraigh, scrios) | Gan aon rud le bainistiú |
| Costas Líonra | An voice_id amháin (cúpla beart) | Fuaime iomlán ar gach iarratas |
| Rúndacht | Fuaime stóráilte sa scamall | Fuaime gan stóráil |
Tagann an riail chinntitheach anuas ar mhinicíocht na húsáide. Tuilleann guth a úsáidtear gach lá—mar shampla, tráchtaire feidhmchláir nó urlabhraí branda—cruthú le client.audio.voices.create(): sábhálann tú an bandaleithead a bhaineann le sampla a sheoladh le gach glao, agus faigheann tú am próiseála na tagartha. Ba chóir do ghuth atá á thástáil agat nó a úsáidfear uair amháin dul trí ref_audio, gan fágáil agat le glanadh.
An Dá Chur Chuige a Chomhcheangal
Níl an dá mhodh seo comheisiach; is é an sruth oibre is éifeachtaí ná iad a chur i seicheamh. Ar dtús, faigh an sampla ceart ag baint úsáide as ref_audio, ag éisteacht le gach toradh. Nuair a shásaíonn iarrthóir thú, athúsáid an teaghrán bonn64 céanna sin—atá sa chuimhne cheana féin—chun an guth deiridh a chruthú, lena ainm, a theangacha, agus a inscne san áireamh.
# Céim 1: Tástáil ghasta le ref_audio
ref_b64 = base64.b64encode(Path("my-voice.mp3").read_bytes()).decode()
response = client.audio.speech.complete(
model="voxtral-mini-tts-3-0",
input="Quality test.",
ref_audio=ref_b64,
response_format="mp3",
)
# Éist leis an toradh...
# Céim 2: An bhfuil tú sásta? Sábháil an guth
voice = client.audio.voices.create(
name="my-validated-voice",
sample_audio=ref_b64,
sample_filename="my-voice.mp3",
languages=["fr"],
gender="male",
)
print(f"Voice saved: {voice.id}")
Déan cleachtadh le trí thaifeadadh de do ghuth féin, déanta faoi thrí choinníoll éagsúla—micreafón clogaid, fón, seomra athfhuaimneach. Giniúin an frása céanna le gach ceann acu trí ref_audio, éist, agus ansin sábháil an buaiteoir amháin. I ndeich nóiméad, foghlaimeoidh tú cad a dhéanann idirdhealú idir sampla maith agus sampla dona, gan trí ghuth gan úsáid a fhágáil ina ndiaidh.
Príomhphointí
- Ligeann an paraiméadar
ref_audioduit guth a chlónáil gan é a shábháil - Déantar an fhuaim thagartha a ionchódú i mbonn64 agus seoltar go díreach san iarratas í
- Is idéalach clónáil ar an eitilt le haghaidh tástála, úsáide ócáidí, agus rúndachta
- Le haghaidh gnáthúsáide, is fearr guth sábháilte (moill níos ísle, bandaleithead níos lú)
- Is féidir leat tástáil le
ref_audioagus ansin an guth a shábháil nuair a bheidh tú sásta