Il-Formati tal-Awdjo
F'din il-paġna
Kors aġġornat fit-3 ta’ Novembru 2026 għal Voxtral TTS 3, ibbażat fuq il-gwida Migrate from Voxtral 2 u l-paġni Text to Speech ta’ Mistral:
voxtral-mini-tts-2603, deprekat fil-31 ta’ Ottubru 2026 u mneħħi fit-30 ta’ April 2027, huwa ssostitwit fl-eżempji minnvoxtral-mini-tts-3-0. Il-vuċijiet predefiniti ta’ Voxtral 2 (gb_jane_neutral…) għadhom aċċettati; Voxtral 3 iżid it-tags[emotion=…]u[pace=…]fit-test, is-settingexpressiveness, il-pronunzja personalizzata (phoneme_hints), u 35 lingwa. Mistral jirrakkomanda li tkejjel mill-ġdid il-latency wara l-migrazzjoni. Sorsi: Migrate from Voxtral 2 · Speech generation.
Nagħżlu l-Format tal-Output It-Tajjeb
Il-parametru response_format jaċċetta ħames valuri. Din il-għażla f’linja waħda hija ferm aktar importanti milli tidher: tiddetermina l-kwalità tal-awdjo, id-daqs tal-fajls li taħżen, il-latency li jħossu l-utenti tiegħek, u l-kompatibbiltà mal-plejers tagħhom. Podcast ikkonsenjat f’PCM ma jkunx jista’ jinstema’ minn nofs l-udjenza tiegħek; aġent tal-vuċi f’MP3 se jkun lura b’sekondi wara kull tweġiba. It-tabella hawn taħt tagħti ħarsa ġenerali, u l-bqija ta’ din il-lezzjoni tispjega meta tuża kull format.
| Format | Kompressjoni | Kwalità | Latency tal-Istreaming | Każ ta' Użu Primarju |
|---|---|---|---|---|
| MP3 | Lossy (b'telf) | Tajba | ~2 sekondi | Użu ġenerali, fajls |
| WAV | L-ebda (PCM) | Massima | Medja | Post-produzzjoni, awdibooks |
| PCM | L-ebda (raw) | Massima | ~0.7 sekondi | Istreaming f'ħin reali |
| FLAC | Lossless (mingħajr telf) | Massima | Medja | Arkivjar, kwalità professjonali |
| Opus | Lossy (b'telf) | Tajba ħafna | Baxxa | Istreaming, VoIP, bandwidth limitat |
Il-latencies f’din it-tabella huma ordnijiet ta’ kobor approssimattivi mkejla ma’ Voxtral 2; kejjilhom mill-ġdid ma’ Voxtral TTS 3, li jipproduċi awdjo mono f’24 kHz f’kull każ.
MP3: L-Istandard Universali
L-MP3 jibqa’ l-format l-aktar mifrux: kull browser, telefon u plejer jaqrah native, u jġorr il-metadejta ID3 li l-pjattaformi tal-podcast jeħtieġu. Il-kompressjoni tiegħu hija lossy, allura l-kwalità hija ftit aktar baxxa mill-WAV, iżda d-differenza rari tkun tinstema’ għall-kliem. L-iżvantaġġ reali tiegħu jinsib band’oħra: fl-istreaming, il-codec irid jakkumula d-dejta qabel ma jipproduċi l-ewwel qafas tiegħu, u jdewwem l-ewwel ħoss b’madwar żewġ sekondi. Agħżel dan il-format għal fajls li jitniżżlu, podcasts, jew integrazzjoni web standard—qatt għal użu konversazzjonali.
response = client.audio.speech.complete(
model="voxtral-mini-tts-3-0",
input="Fajl MP3 għal użu standard.",
voice_id=voice_id,
response_format="mp3",
)
WAV: Kwalità Massima
Il-WAV fih awdjo PCM mhux ikkompressat, u jwassal l-aqwa kwalità possibbli mingħajr l-ebda telf. Peress li m’hemm xejn x’jiġi dekodifikat u l-editors tal-awdjo jirrikonoxxu universalment il-format, huwa l-punt tat-tluq naturali għal kwalunkwe katina ta’ post-produzzjoni: teditja, tagħmel equalize, u tikkompressa, imbagħad tesporta għall-format tad-distribuzzjoni mixtieq tiegħek. Il-kompromess huwa d-daqs tal-fajl—madwar għaxar darbiet dak ta’ MP3—u r-rekwiżiti korrispondenti tal-bandwidth.
response = client.audio.speech.complete(
model="voxtral-mini-tts-3-0",
input="Fajl WAV għall-aqwa kwalità.",
voice_id=voice_id,
response_format="wav",
)
Irriżervah għal awdibooks ta’ kwalità tal-istudjo, arkivjar, u kull ma jkollok ħsieb teditja aktar tard.
PCM: Il-Format f’Ħin Reali
Il-PCM (Pulse Code Modulation) huwa awdjo Float32 Little-Endian raw mingħajr l-ebda header jew inkapsulament. Din in-nudità hija kemm il-qawwa tiegħu kif ukoll id-dgħufija tiegħu. Il-qawwa tiegħu: xejn x’tikkodifika jew tdekkodifika, l-ewwel ħoss jasal f’madwar 0.7 sekondi, u l-bytes li jaslu jinkitbu direttament fil-kard tal-ħoss. Id-dgħufija tiegħu: mingħajr header, trid tkun taf u tittrażmetti r-rata tal-kampjunar u l-format int stess—eżattament għaliex l-eżempju pyaudio fil-Lezzjoni 10 iddikjara b’mod espliċitu paFloat32, kanal wieħed, u 24,000 Hz. Il-fajls huma wkoll kbar ħafna, u l-ebda plejer tal-konsumatur ma jiftħuhom direttament.
response = client.audio.speech.complete(
model="voxtral-mini-tts-3-0",
input="PCM raw għall-istreaming.",
voice_id=voice_id,
response_format="pcm",
)
Dan huwa l-format għal assistenti tal-vuċi f’ħin reali, aġenti konversazzjonali, u applikazzjonijiet WebRTC.
FLAC: Kompressjoni Mingħajr Telf
Il-FLAC inaqqas id-daqs tal-fajl b’50% sa 60% mingħajr ma jmiss kampjun wieħed: il-kwalità hija rigorużament identika għall-WAV, u żżomm il-metadejta. Fil-prattika, dan huwa l-format tal-arkivjar tiegħek: aħżen il-masters tiegħek f’FLAC, u tista’ terġa’ tiġġenera MP3 jew Opus snin wara mingħajr ma tbati mill-kompressjoni doppja li tiddeterjora l-awdjo. Jeħtieġ dekodifikatur, u għalhekk huwa inqas universali mill-MP3.
response = client.audio.speech.complete(
model="voxtral-mini-tts-3-0",
input="FLAC għall-arkivjar mingħajr telf.",
voice_id=voice_id,
response_format="flac",
)
Opus: Il-Kompromess Modern
L-Opus huwa codec iddisinjat għall-komunikazzjoni f’ħin reali, u jwassal kwalità eċċellenti f’bitrates baxxi ħafna. Fuq app mobbli li taħdem fuq 4G degradat, iwassal vuċi ċara fejn il-WAV ikun jissatura l-konnessjoni, b’latency baxxa tal-istreaming—ogħla mill-PCM, iżda ferm aktar baxxa mill-MP3. Il-kompatibbiltà mhix uniformi, madankollu: mhux il-plejers kollha jappoġġjawh native, u wħud jeħtieġu kontenitur OGG.
response = client.audio.speech.complete(
model="voxtral-mini-tts-3-0",
input="Opus għall-istreaming effiċjenti.",
voice_id=voice_id,
response_format="opus",
)
Din hija l-għażla għall-VoIP, l-istreaming b’bandwidth limitat, u l-applikazzjonijiet mobbli.
Tiddeċiedi f’Minuta Waħda
Quddiem proġett ġdid, iddeċiedi f’dan l-ordni. Jekk qed tagħmel istreaming f’ħin reali, agħżel il-PCM għall-minimu ta’ latency, jew l-Opus jekk il-bandwidth hija importanti daqs ir-responsività. Inkella, staqsi fejn se jindaqq il-fajl: f’browser, l-MP3 jiggarantixxi l-massimu ta’ kompatibbiltà. Jekk jeħtieġ li jiġi editjat aktar tard, il-WAV jagħtik l-aktar materjal faċli biex timmanipulah. Jekk irid jiġi arkivjat mingħajr ma titlef deċibel, il-FLAC jikkompressa mingħajr ma jissagrifika xejn. U jekk il-vinċolu dominanti huwa netwerk bil-mod, l-Opus joffri l-aqwa proporzjon ta’ kwalità għad-daqs.
Punti Ewlenin
- L-MP3 huwa l-għażla default għall-kompatibbiltà universali
- Il-PCM joffri l-inqas latency għall-istreaming f’ħin reali (~0.7s)
- Il-WAV jipprovdi l-aqwa kwalità mhux ikkompressata, ideali għall-post-produzzjoni
- Il-FLAC jikkompressa mingħajr telf—l-istess kwalità bħall-WAV, fajls iżgħar
- L-Opus huwa l-aqwa kompromess ta’ kwalità għad-daqs għall-applikazzjonijiet fin-netwerk