Controle van tekst en uitspraak
Op deze pagina
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 per 31 oktober 2026 en buiten gebruik gesteld op 30 april 2027, wordt in voorbeelden vervangen doorvoxtral-mini-tts-3-0. Vooraf gedefinieerde stemmen van Voxtral 2 (gb_jane_neutral…) blijven ondersteund; Voxtral 3 voegt tags[emotion=…]en[pace=…]in tekst toe, de instellingexpressiveness, aangepaste uitspraak (phoneme_hints) en 35 talen. Mistral raadt aan de latentie opnieuw te meten na migratie. Bronnen: Migrate from Voxtral 2 · Speech generation.
Beheersen wat Voxtral uitspreekt
Voxtral genereert natuurlijke spraak vanuit ruwe tekst, wat perfect werkt voor standaardverhalen of dialogen. Uitdagingen ontstaan bij niet-prozaïsche elementen: telefoonnummers, acroniemen, datums en percentages. Uw invoertekst is uw enige sturingsmechanisme; er is geen opmaaktaal om toe te voegen. Hoe u schrijft, bepaalt de vocale uitvoer. Deze les behandelt de technieken die een professioneel bericht onderscheiden van een benaderende lezing.
Getallen schrijven zoals ze worden uitgesproken
Het model interpreteert cijfers inconsistent, waardoor resultaten moeilijk te voorspellen zijn. De regel is simpel: schrijf getallen in tekst bestemd voor synthese exact zoals een radiopresentator ze zou voorlezen.
| Schrijf | Schrijf niet | Waarom |
|---|---|---|
| ”two thousand twenty-six" | "2026” | Het model zegt mogelijk “twenty twenty-six" |
| "zero one, forty-two, thirty-seven" | "01 42 37” | Telefoonnummer verkeerd uitgesproken |
| ”fifteen point five percent" | "15.5%” | %-symbool niet geïnterpreteerd |
| ”three forty-five" | "3:45” | Dubbelzinnige afgekorte notatie |
Let op de behandeling van telefoonnummers: komma’s zijn niet decoratief. Ze forceren groepering per twee cijfers en het staccato-ritme dat mensen natuurlijk gebruiken bij het dicteren van een nummer.
Acroniemen en afkortingen
Afkortingen leveren vergelijkbare problemen op, met een nuance: soms wilt u ze uitgeschreven hebben, andere keren letter voor letter. Een rauw acroniem kan als woord worden uitgesproken, wat ongemakkelijke resultaten oplevert in klantgerichte berichten.
# Slecht: model kan "sarl" als woord uitspreken
input_bad = "Our SARL is based in Paris."
# Goed: expliciete uitspraak
input_good = "Our Société à Responsabilité Limitée is based in Paris."
# Alternatief voor acroniemen letter voor letter
input_acronym = "Our S.A.R.L. is based in Paris."
De derde vorm is de belangrijkste les: het invoegen van een punt tussen elke letter forceert een uitspraak letter voor letter. Gebruik dit voor reserveringscodes, kentekens of identificaties die luisteraars moeten noteren.
Interpunctie voor ademhaling
Zonder specifieke opmaaktaal stuurt interpunctie de stilte. Een komma creëert een korte pauze (~200 ms); een punt een middellange pauze (~500 ms); ellipsen een lange ademhaling (~800 ms); en een gedachtestreep zet een dramatische pauze, zoals u die plaatst voor een onthulling.
# Tekst met gestuurde pauzes
text = (
"Ladies and gentlemen... "
"welcome to this conference. "
"Today, we will discuss — "
"a topic that will change how you work."
)
Spreeksnelheid komt primair voort uit het referentievoorbeeld: een snelle bronstem levert een snelle gesynthetiseerde stem op. U kunt dit echter beïnvloeden via de tekst. Het toevoegen van interpunctie vertraagt het tempo en lucht de inhoud op; het verwijderen van komma’s en het verkorten van zinnen versnelt het. Om een woord te benadrukken, schrijft u het in HOOFDLETTERS—“This is ABSOLUTELY essential”—en krijgt u nadruk zonder de audio aan te raken.
Lange teksten splitsen
De documentatie van Voxtral 2 adviseerde om onder de 300 woorden per verzoek te blijven voor de beste resultaten. De documentatie van Voxtral TTS 3 stelt geen harde limiet, maar waarschuwt dat een emotietag geplaatst vóór een lange zin de audio bij een komma kan afkappen. Splitsen blijft de beste praktijk.
De oplossing is splitsen in segmenten van 200–300 woorden, nooit midden in een zin. Een knip op een onnatuurlijke grens is direct hoorbaar. De volgende functie sluit een segment pas af na een woord dat eindigt op een punt.
def split_text(text, max_words=250):
"""Splits text into segments of max_words words."""
words = text.split()
segments = []
current_segment = []
for word in words:
current_segment.append(word)
# Split at sentences (after a period)
if len(current_segment) >= max_words and word.endswith("."):
segments.append(" ".join(current_segment))
current_segment = []
if current_segment:
segments.append(" ".join(current_segment))
return segments
# Usage
long_text = "..." # Your full text
segments = split_text(long_text)
for i, segment in enumerate(segments):
print(f"Segment {i + 1}: {len(segment.split())} words")
response = client.audio.speech.complete(
model="voxtral-mini-tts-3-0",
input=segment,
voice_id=voice_id,
response_format="wav",
)
# Save each segment
Wat u uit tekst moet verwijderen
Bepaalde tekens verstoren de generatie ernstig. Emoji’s worden niet ondersteund: het model negeert ze of interpreteert ze willekeurig. HTML-tags en Markdown worden als tekst uitgesproken, wat inhoud gekopieerd vanuit een CMS tot onzin maakt. URL’s worden letter voor letter uitgesproken, inclusief schuine strepen en punten. Programmeersymbolen—haakjes, accolades, pijlen—worden verkeerd geïnterpreteerd. De oplossing is herformulering in natuurlijke taal:
# Slecht
input_bad = "Visit https://mistral.ai to learn more 🎉"
# Goed
input_good = "Visit mistral dot ai to learn more."
Maak er een gewoonte van om inhoud uit een database of website door een schoonmaakfunctie te halen voordat u de API aanroept. Het kost minder dan uren audio beluisteren om een vergeten emoji op te sporen.
Meertalige teksten
Eén geval lost zichzelf op: taalmenging. Voxtral detecteert veranderingen en past de uitspraak aan zonder annotatie.
mixed_text = (
"Welcome to our presentation. "
"As we say in English, the sky is the limit. "
"Willkommen bei unserer Vorstellung."
)
De kwaliteit is optimaal zolang de gebruikte talen tot de 35 ondersteunde talen van Voxtral TTS 3 behoren. Daarbuiten blijft de uitspraak aannemelijk, maar het accent wijkt af, wat een native luisteraar direct opmerkt.
De stem sturen met Voxtral TTS 3
Voxtral TTS 3 voegt drie stuurhendels toe, direct geschreven in het verzoek.
Emotie- en tempotags gaan in input, tussen haakjes, vóór de tekst die ze beïnvloeden: [emotion=calm], [emotion=happy], [pace=slow] of [pace=fast]. Ze worden niet uitgesproken, gelden tot de volgende tag en kunnen worden gecombineerd ([emotion=calm][pace=slow]). Vierendertig emoties zijn gedocumenteerd, van amused tot wistful. Bij Voxtral 2 kwam emotie via selectie van stemvarianten (gb_jane_sad); deze varianten blijven ondersteund.
expressiveness, van 1.0 tot 5.0, stelt in hoe sterk de spraak uw verzoek volgt: hogere waarden brengen meer emotie naar boven ten koste van verminderde gelijkenis met de stem. Begin met de standaardwaarde, verhoog deze als de emotie niet doorkomt, verlaag deze als de voordracht geforceerd klinkt.
phoneme_hints fixeert de uitspraak van een woord—een merknaam, een acroniem—via een lijst fonemen uit een gesloten set van 50 (een onbekend foneem geeft een 422-fout).
import base64
from pathlib import Path
response = client.audio.speech.complete(
model="voxtral-mini-tts-3-0",
input="[emotion=calm][pace=slow]I like tomato soup.",
voice_id="gb_jane_neutral",
phoneme_hints={"tomato": ["t", "ə", "m", "ɑ", "t", "oʊ"]},
response_format="wav",
)
Path("soup.wav").write_bytes(base64.b64decode(response.audio_data))
Twee voorzorgsmaatregelen uit de documentatie: een tag geplaatst vóór een lange zin kan de audio bij een komma afkappen—houd getagde zinnen kort—en instructies in natuurlijke taalstijl (instruction) zijn niet beschikbaar bij de lancering van Voxtral TTS 3.
Belangrijkste punten
- Schrijf getallen en afkortingen volledig uit voor correcte uitspraak
- Gebruik interpunctie om pauzes te sturen (komma, punt, ellipsen)
- Splits lange teksten in segmenten die eindigen op volledige zinnen
- Vermijd emoji’s, HTML, URL’s en code in invoertekst
- Voxtral TTS 3 verwerkt meertalige tekst in zijn 35 talen; de taal wordt gedragen door de stem
- Tags
[emotion=…]en[pace=…],expressivenessenphoneme_hintssturen de stem in Voxtral TTS 3