Ga naar hoofdinhoud
Nederlands— Kies een taal
Menu

Inleiding tot Voxtral TTS

Les 1 van 14 Bijgewerkt op 3 november 2026 Ontwikkelaar
Op deze pagina
  1. Tekst-naar-spraak betreedt een nieuw tijdperk
  2. Wat is zero-shot cloning?
  3. Waarom Voxtral het speelveld verandert
  4. Wat u zult leren
  5. Belangrijkste punten

Cursus bijgewerkt op 3 november 2026 voor Voxtral TTS 3, gebaseerd op de gids Migrate from Voxtral 2 en de pagina’s Text to Speech van Mistral: voxtral-mini-tts-2603, verouderd op 31 oktober 2026 en buiten gebruik gesteld op 30 april 2027, wordt in voorbeelden vervangen door voxtral-mini-tts-3-0. De vooraf gedefinieerde stemmen van Voxtral 2 (gb_jane_neutral…) blijven ondersteund; Voxtral 3 voegt tags [emotion=…] en [pace=…] toe in de tekst, de instelling expressiveness, aangepaste uitspraak (phoneme_hints) en ondersteuning voor 35 talen. Mistral raadt aan de latentie opnieuw te meten na migratie. Bronnen: Migrate from Voxtral 2 · Speech generation.

Tekst-naar-spraak betreedt een nieuw tijdperk

In maart 2026 lanceerde Mistral AI Voxtral TTS, een tekst-naar-spraak-engine die de grenzen van wat eerder mogelijk was verlegt. Om deze sprong te waarderen, is het goed om terug te denken aan wat de vorige generatie vereiste: voor een overtuigende stem moest u een stemacteur naar een studio brengen, urenlang opnames maken en vervolgens een model trainen op dat corpus. Voxtral kiest een andere aanpak met zero-shot voice cloning: slechts een paar seconden audio volstaan om het timbre, het ritme en de nuances van een stem vast te leggen.

Deze doorbraak rust op een foundation model dat specifiek is getraind voor spraakgeneratie. Voxtral reproduceert niet alleen fonemen; het begrijpt prosodie, emoties en linguïstische subtiliteiten in 35 talen en meer dan 50 dialecten met Voxtral TTS 3, waaronder Frans (de vorige generatie dekte er 9). U hoort het verschil in een vragende zin of een terzijde: waar een ouder systeem monotoon zou voorlezen, legt Voxtral het accent correct omdat het de volledige zin leest voordat deze wordt uitgesproken.

~90 ms
Model Latency
9
Supported Languages
Zero-shot
Voice Cloning
Open Source
Model Available

Wat is zero-shot cloning?

De term zero-shot betekent dat het model niet opnieuw hoeft te worden getraind om een nieuwe stem te reproduceren. U levert een opname aan van enkele seconden tot enkele minuten, in MP3- of WAV-formaat, en Voxtral legt automatisch de vocale kenmerken vast: timbre, intonatie, ritme en accent. Er is geen trainingsfase, geen extra rekenkosten en geen wachttijd; het sample wordt op het moment van het verzoek geanalyseerd.

Stel u een trainingsmanager voor die een e-learningmodule van een stem moet voorzien. Zij neemt twintig seconden op met een headset, maakt haar aangepaste stem aan en heeft direct een verteller die naar haar klinkt. Zij kan deze stem ook on-the-fly klonen direct in een API-verzoek, zonder deze zelfs maar op te slaan als de behoefte eenmalig is. En wanneer de module in het Engels en Spaans moet worden geproduceerd, behoudt dezelfde stem zijn identiteit across talen: de luisteraar herkent de persoon, niet drie verschillende vertellers.

Waarom Voxtral het speelveld verandert

Traditionele TTS-oplossingen—Google Cloud TTS, Amazon Polly, Azure Speech—bieden vooraf opgenomen stemmen van wisselende kwaliteit die u moet accepteren zoals ze zijn. Nieuwere oplossingen zoals ElevenLabs bieden stemklonen, maar blijven propriëtair en duur: u huurt toegang zonder ooit controle over de engine te hebben.

Voxtral onderscheidt zich op drie elkaar versterkende fronten. De vorige generatie, Voxtral TTS, werd uitgebracht met zijn weights onder de CC BY-NC 4.0-licentie: hostbaar op uw eigen infrastructuur voor niet-commercieel gebruik, wat van belang is voor een overheidsdienst of zorginstelling die de stemmen van medewerkers niet buiten de muren mag laten komen. De Mistral API biedt ook eenvoudige toegang via de Python SDK, met stembeheer, streaming en meerdere audioformaten, zodat u in enkele regels code kunt prototypen voordat u zelf-hosting overweegt. Tot slot is meertalige ondersteuning native: in tegenstelling tot oplossingen die talen als een laag toevoegen, is Voxtral getraind voor vele talen—35 met Voxtral TTS 3—met natuurlijke overgangen ertussen; een Engelse eigennaam in een Franse zin veroorzaakt niet langer de tonale breuk die kenmerkend is voor oudere engines.

Wat u zult leren

Deze cursus leidt u door alle functies van Voxtral TTS. U begint met het begrijpen van de architectuur en de beschikbare modellen, leert vervolgens aangepaste stemmen aanmaken en beheren via de API. Daarna genereert u spraak in realtime met streaming, voordat u zich richt op latentie-optimalisatie en het kiezen van het juiste audioformaat. De reis eindigt met het bouwen van een complete voice-pipeline, van spraakherkenning tot synthese via de LLM (STT → LLM → TTS).

Wat de vereisten betreft: u heeft Python 3.10+ (het minimum vereist door de Mistral SDK sinds versie 2.0) op uw machine nodig, een Mistral AI-account met een API-sleutel, en de Mistral Python SDK verkregen via pip install mistralai. Basiskennis van Python—variabelen, functies, bibliotheken—is voldoende: geen enkele code in deze cursus overschrijdt dertig regels.

Belangrijkste punten

  • Voxtral TTS is de tekst-naar-spraak-engine van Mistral AI, gelanceerd in maart 2026
  • Zero-shot cloning reproduceert een stem op basis van een MP3- of WAV-opname van enkele seconden tot enkele minuten
  • Voxtral TTS 3 bestrijkt 35 talen en meer dan 50 dialecten, met ongeveer 90 ms voordat het eerste geluid klinkt
  • De weights van de vorige generatie zijn gepubliceerd onder de CC BY-NC 4.0-licentie (niet-commercieel gebruik)
  • De Mistral API biedt een complete Python SDK voor stembeheer en spraakgeneratie