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