Mudelli TTS ta' Voxtral
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 rtirat fit-30 ta’ April 2027, huwa mibdul fl-eżempji b’voxtral-mini-tts-3-0. Il-vuċijiet predefiniti ta’ Voxtral 2 (gb_jane_neutral…) jibqgħu appoġġjati; 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.
Voxtral Mini TTS: Il-Mudell ta’ Referenza
Il-mudell tas-sinteżi fil-familja Voxtral huwa Voxtral TTS 3, identifikat fl-API bħala voxtral-mini-tts-3-0 (alias voxtral-mini-tts-3). Dan huwa s-slug li se tikteb f’kull sejħa tal-API: iffrankah, peress li hija l-unika string f’dan il-kors li trid tkun taf b’memorja. Il-mudell huwa ddisinjat biex joffri bilanċ ottimali bejn il-kwalità tal-vuċi, il-latency u l-ispiża, li jispjega għaliex ikopri kważi l-każijiet ta’ użu professjonali kollu waħdu.
Voxtral Mini TTS huwa mudell fundamentali tal-vuċi. Din id-distinzjoni mhix kosmetika: is-sistemi TTS antiki kienu jaqsmu t-test f’fonemi u jgħaqqduhom minn bank tal-ħoss, li jirriżulta f’vuċijiet imqatta’ fejn kull sillaba tidher indipendenti mill-preċedenti. Voxtral, min-naħa l-oħra, jiġġenera d-diskors billi jifhem il-kuntest semantiku tat-test. Fuq sentenza bħal “He didn’t say that,” il-mudell jaf fejn ipoġġi l-enfażi għax interpreta l-istruttura tas-sentenza, u jipproduċi prosodija naturali b’intonazzjoni konsistenti mill-bidu sal-aħħar.
Speċifikazzjonijiet Tekniċi
Il-mudell voxtral-mini-tts-3-0 għandu l-ispeċifikazzjonijiet li ġejjin:
| Karatteristika | Valur |
|---|---|
| Latency tal-Mudell | Madwar 90 millisekonda qabel l-ewwel ħoss |
| Lingwi | 35 lingwa u aktar minn 50 djalett; vuċijiet predefiniti f’22 lingwa |
| Klonazzjoni tal-Vuċi | Żero-shot, minn reġistrazzjoni MP3 jew WAV li tvarja minn ftit sekondi sa ftit minuti |
| Kontroll | 34 tag tal-emozzjoni, tags tal-pass, expressiveness, pronunzja personalizzata |
| Formati tal-Output | MP3 (default), WAV, PCM, FLAC, Opus — mono, 24 kHz |
| Streaming | Appoġġjat f’ħin reali |
| Prezz sal-3 ta’ Novembru 2026 | $13 għal kull miljun karattru |
Dawk id-90 millisekonda jistħoqqilhom ħsieb ieħor: dan huwa d-dewmien qabel ma l-ewwel framment awdjo jsir disponibbli, mhux id-durata totali tal-ġenerazzjoni. F’assistent konversazzjonali, din iċ-ċifra speċifika tiddetermina jekk l-iskambju jħossux naturali jew laborjuż.
Vuċijiet Professjonali Pre-integrati
Barra mill-klonazzjoni tal-vuċi, Mistral AI toffri librerija ta’ vuċijiet professjonali lesti għall-użu immedjat. Dawn il-vuċijiet ġew irreġistrati fi studjo u ottimizzati għal diversi każijiet ta’ użu. Jipprovdu servizz inestimabbli fil-bidu ta’ proġett: jekk trid tivverifika li l-pipeline tiegħek taħdem qabel ma torganizza sessjoni ta’ reġistrazzjoni mal-attur tal-vuċi magħżul tiegħek, vuċi pre-integrata tippermettilek tittestja kollox fl-istess ġurnata.
F’Mistral Studio, l-interfaċċja web, tista’ tesplora dawn il-vuċijiet u tiffiltrahom skont tliet kriterji: ġeneru (raġel jew mara), il-lingwa primarja tal-vuċi, u l-emozzjoni, jiġifieri t-ton emozzjonali—newtrali, entużjast, kalm, u hekk. Kull waħda hija aċċessibbli permezz tal-voice_id tagħha fl-API, eżattament bħal vuċi li klonajt int stess: il-kodiċi tiegħek ma jbiddilx linja waħda meta taqleb mill-vuċi tad-demo għall-vuċi finali.
Piżijiet Miftuħa: Għażliet ta’ Self-Hosting
Il-ġenerazzjoni preċedenti, Voxtral TTS (voxtral-mini-tts-2603), ġiet rilaxxata bil-piżijiet tagħha—mudell ta’ 4 biljun parametru fuq Hugging Face—taħt il-liċenzja CC BY-NC 4.0. Din mhix liċenzja open source fis-sens tas-soltu: tipprojbixxi l-użu kummerċjali. Tippermetti sperimentazzjoni u prototipar fuq l-infrastruttura tiegħek stess mingħajr ma xi kampjuni tal-vuċi joħorġu min-netwerk tiegħek, iżda prodott kummerċjali għandu juża l-API jew jilħaq ftehim ma’ Mistral AI. Sad-data ta’ llum, id-dokumentazzjoni ta’ Voxtral TTS 3 ma ssemmi l-ebda piżijiet miftuħa.
Għal organizzazzjonijiet soġġetti għal restrizzjonijiet ta’ kunfidenzjalità—bħal fornitur tal-kura tas-saħħa jew aġenzija governattiva—il-mistoqsija għalhekk tqum f’żewġ partijiet: l-użu huwa kummerċjali, u l-mudell miftuħ ikopri l-lingwi meħtieġa u l-kwalità? Jekk le, trid teżamina l-impenji kuntrattwali tal-API (hosting, żamma tad-data).
Użu permezz tal-API ta’ Mistral
Biex tuża Voxtral Mini TTS permezz tal-API, l-ewwel trid tinizjalizza l-klijent bil-key tal-API tiegħek:
from mistralai.client import Mistral
client = Mistral(api_key="your-api-key")
Il-mudell imbagħad jiġi referenzjat bl-identifikatur tiegħu voxtral-mini-tts-3-0 f’kull sejħa ta’ ġenerazzjoni. Se tara fil-lezzjonijiet li ġejjin kif toħloq vuċijiet u tiġġenera diskors; dan l-oġġett client ikun il-punt tat-tluq għall-eżempji kollha li jmiss.
Jekk tippreferi approċċ mingħajr kodiċi, Mistral Studio joffri interfaċċja grafika aċċessibbli f’studio.mistral.ai. Hemmhekk, tista’ tisma’ l-vuċijiet professjonali disponibbli, tirreġistra l-vuċi tiegħek direttament mill-browser, tittestja l-ġenerazzjoni tal-vuċi b’testi differenti, u taġġusta l-parametri—lingwa, emozzjoni, format. Huwa l-għodda ideali għall-prototipar: ivvalida f’għaxar minuti li vuċi taqbel mal-proġett, imbagħad imxi għall-kodiċi ladarba tittieħed id-deċiżjoni.
Evoluzzjoni tar-Roadmap
Mistral AI ħabbar li mudelli oħra se jingħaqdu mal-familja Voxtral: mudelli eħfef għal applikazzjonijiet embedded u mobbli, mudelli aktar qawwija għall-ġenerazzjoni ta’ vuċijiet espressivi, u titjib kontinwu fil-kwalità multilingwi. Għalhekk, iddisinja l-integrazzjonijiet tiegħek billi tiżola l-isem tal-mudell f’varjabbli ta’ konfigurazzjoni minflok ma tferrixu fil-kodiċi kollu tiegħek—il-jum li jaslu suċċessur, il-migrazzjoni tieħu linja waħda biss. Sadanittant, voxtral-mini-tts-3-0 jibqa’ r-referenza u jkopri l-biċċa l-kbira tal-każijiet ta’ użu professjonali.
Punti Ewlenin
- Il-mudell primarju huwa
voxtral-mini-tts-3-0, ottimizzat għall-kwalità u l-latency - Vuċijiet professjonali pre-integrati huma disponibbli biex tibda mingħajr kampjun awdjo
- Il-mudell preċedenti għandu piżijiet miftuħa u jista’ jiġi ospitat awtonomament (mhux kummerċjali)
- Mistral Studio joffri interfaċċja grafika għall-ittestjar mingħajr kodiċi
- L-API ta’ Mistral u l-Python SDK huma l-punti tad-dħul għall-integrazzjoni