Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Hrvatsko izdanje

Voxtral TTS: Sinteza i kloniranje glasa

Izradite prilagođene glasove i generirajte govor pomoću Voxtral TTS-a: kloniranje bez primjera (zero-shot), strujanje u stvarnom vremenu i optimizirani audio formati.

14 lekcija oko 1 h 30 min Programer

Što ćete naučiti

  • Izradite prilagođeni glas putem Voices API-ja iz kvalitetnog audio uzorka
  • Generirajte govor i klonirajte glas u hodu iz referentnog isječka
  • Strujajte generirani audio u stvarnom vremenu kako biste smanjili percipiranu latenciju
  • Kontrolirajte izgovor i segmentaciju teksta kako biste osigurali pouzdan vokalni izlaz
  • Sastavite kompletan glasovni pipeline poštujući etička pravila kloniranja glasa

O tečaju

Za koga je namijenjen
Programeri, inženjeri i integratori koji žele iskoristiti Mistral AI putem API-ja u svojim aplikacijama.
Preduvjeti
Sposobnost čitanja Pythona i JSON-a, osnove naredbenog retka. Ključ za Mistral AI Studio API za isprobavanje primjera.
Trajanje
1 h 30 min — 14 lekcija
Format
Tečaj koji se odvija 100 % online vlastitim tempom, dostupan 24/7 iz preglednika. Napredak se sprema, nastavite kad god želite. Procijenjeno trajanje: 1 h 30 min.
Način ocjenjivanja
Vježbe za vježbanu nude se tijekom lekcija. Svaka lekcija završava sa svojim ključnim porukama koje podržavaju samoprocjenu. Završni kviz od 5 ispravljenih pitanja, na kraju posljednje lekcije, validira usvojeno znanje.
Pristupačnost
Tečaj vlastitim tempom dostupan osobama s invaliditetom: tekstualni sadržaj kompatibilan s čitačima zaslona, navigacija tipkovnicom i usklađeni kontrasti. Za bilo kakve potrebe prilagodbe, pošaljite e-poštu na [email protected].
Cijena
Besplatno

Sadržaj tečaja

  1. 01 Uvod u Voxtral TTS
  2. 02 Modeli Voxtral TTS
  3. 03 Slučajevi upotrebe TTS-a
  4. 04 Voices API
  5. 05 Izradi prilagođeni glas
  6. 06 Najbolje prakse za audio
  7. 07 Politika i etika kloniranja glasa
  8. 08 Osnovno generiranje govora
  9. 09 Kloniranje glasa u stvarnom vremenu
  10. 10 Streaming u stvarnom vremenu
  11. 11 Kontrola teksta i izgovor
  12. 12 Formati zvuka
  13. 13 Optimisation de la latence
  14. 14 Pipeline vocal complet