Ga naar hoofdinhoud
Nederlands— Kies een taal
Menu

Inleiding tot de audiocapaciteiten van Mistral

Les 5 van 14 Bijgewerkt op 2 november 2026 Beginner
Op deze pagina
  1. Wanneer AI leert luisteren en spreken
  2. De Voxtral-familie
  3. Speech-to-Text: Van spraak naar tekst
  4. Tekst-naar-spraak: Van tekst naar spraak
  5. Waar wordt audio voor gebruikt in Vibe?
  6. Belangrijkste punten

Update 2 november 2026 — Le Chat is nu Vibe. Sinds 28 mei 2026 is Le Chat omgedoopt tot Vibe (nog steeds op chat.mistral.ai): een enkele agent voor werk en code die uw gesprekken, instellingen en abonnementen overneemt. De oorspronkelijke Le Chat-ervaring blijft toegankelijk in de modus Chat; in de modus Work zijn agents vaardigheden geworden (aan te roepen met @), zijn herinneringen nu de kennisbank en is diepgaand onderzoek de vaardigheid Deep Research. De abonnementen heten nu Mistral Free, Pro, Team en Enterprise. Deze les gebruikt de naam Vibe; houd er rekening mee dat sommige hier beschreven menu’s van naam of locatie veranderd kunnen zijn.

Wanneer AI leert luisteren en spreken

Na visie vormt audio de tweede grote multimodale revolutie van Mistral AI. Met de modelfamilie Voxtral leest en schrijft Vibe niet langer alleen tekst; het kan nu spraak transcriberen, deelnemen aan spraakgesprekken en spraak genereren vanuit tekst. Kortom, de kringloop is rond: de AI luistert naar u, begrijpt u en antwoordt u hardop. Deze les introduceert al deze mogelijkheden voordat volgende lessen ze stuk voor stuk uitdiepen.

De Voxtral-familie

Mistral heeft onder de merknaam Voxtral een uitgebreid pakket audiomodellen ontwikkeld, waarbij elk een specifieke rol vervult in de audiopipeline. Voxtral Mini Transcribe is het batch-transcriptiemodel (Speech-to-Text): u geeft het een audiobestand en het retourneert met opmerkelijke nauwkeurigheid geschreven tekst; dit is het model dat aan het werk is wanneer u een opname van een vergadering uploadt. Voxtral Realtime is het realtime-equivalent: ontworpen voor spraakgesprekken, transcribeert het spraak terwijl deze plaatsvindt met een ultralage latentie, configureerbaar onder de 200 milliseconden; dit maakt de vloeiende spraakmodus van Vibe mogelijk. Tot slot gaat Voxtral TTS de andere kant op: tekst-naar-spraak-synthese zet tekst om in een natuurlijke stem, met de mogelijkheid om een stem te klonen op basis van slechts enkele seconden opname.

FunctieModelTalenLatentie
Transcriptie (STT batch)Voxtral Mini Transcribe V213 talenEnkele seconden per bestand
Realtime-transcriptie (STT)Voxtral Realtime13 talenOnder 200 ms
Tekst-naar-spraak (TTS)Voxtral TTS9+ talen~90 ms (model)

Speech-to-Text: Van spraak naar tekst

Audiotranscriptie is het vermogen om een spraakopname om te zetten in geschreven tekst, en Voxtral Mini Transcribe blinkt op verschillende vlakken uit. Ten eerste de nauwkeurigheid: het woordfoutenpercentage blijft laag, zelfs bij opnames van gemiddelde kwaliteit, zoals bestanden die met een telefoon midden op een vergadertafel zijn opgenomen. Het voert ook diarisatie uit, wat betekent dat het automatisch verschillende sprekers in een gesprek identificeert: de transcriptie maakt onderscheid tussen “Spreker 1” en “Spreker 2”, wat alles verandert voor notulen van vergaderingen. Dankzij de robuustheid tegen ruis handhaaft het een goede nauwkeurigheid in moeilijke omgevingen, zoals cafés, straten of vergaderingen met meerdere sprekers. Tot slot verwerkt het lange opnames, tot wel 3 uur audio in één aanvraag, genoeg om een volledige conferentie te bestrijken.

Wat talen betreft, worden er 13 ondersteund: Engels, Frans, Spaans, Duits, Italiaans, Portugees, Nederlands, Chinees, Hindi, Arabisch, Russisch, Japans en Koreaans. Voor veelvoorkomende Europese use-cases bent u dus goed gedekt.

Tekst-naar-spraak: Van tekst naar spraak

Tekst-naar-spraak werkt in de tegenovergestelde richting: u levert tekst aan en Voxtral TTS leest deze voor met een natuurlijke stem. De meest spectaculaire functie is stemklonen: op basis van slechts 2 tot 3 seconden van uw stemopname kan het model spraak genereren die op u klinkt. Dit klonen berust op het principe stem als instructie: het model reproduceert de intonatie, het ritme en de emotie van de referentiestem zonder dat de tekst geannoteerd hoeft te worden met prosodie-tags; de sample zelf dient als instructie.

Het model is meertalig—Engels, Frans, Spaans, Portugees, Italiaans, Nederlands, Duits, Hindi, Arabisch—en kan zelfs talen binnen één passage mixen. Tot slot werkt het in streaming-modus: de stemgeneratie begint in ongeveer 90 milliseconden, wat bijna directe interacties mogelijk maakt in plaats van wachten tussen uw vraag en het gesproken antwoord.

Waar wordt audio voor gebruikt in Vibe?

Concreet vertalen deze mogelijkheden zich voor u als Vibe-gebruiker in vier dagelijkse acties. U kunt een vergadering transcriberen: upload de opname en ontvang binnen seconden een tekstsamenvatting. U kunt spraakgewijs communiceren door de spraakmodus te activeren, voor een natuurlijk gesprek zonder toetsenbord. U kunt antwoorden beluisteren door Vibe te vragen de tekst hardop voor te lezen, handig tijdens het wandelen of koken. En u kunt uw berichten dicteren door te spreken in plaats van te typen.

In de volgende lessen werken we elk van deze toepassingen stap voor stap uit: eerst bestandstranscriptie, daarna de realtime-spraakmodus en tot slot tekst-naar-spraak-synthese.

Belangrijkste punten

  • Voxtral is de familie audiomodellen van Mistral, die transcriptie, realtime-verwerking en tekst-naar-spraak omvat
  • Transcriptie ondersteunt 13 talen, diarisation en tot 3 uur audio
  • Tekst-naar-spraak kan in seconden een stem klonen en spreken in 9+ talen
  • In Vibe is alles geïntegreerd: u kunt transcriberen, spreken en luisteren zonder externe tools