Een aangepaste stem maken
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 Voxtral 2-stemmen (gb_jane_neutral…) blijven geaccepteerd; Voxtral 3 voegt[emotion=…]- en[pace=…]-tags in tekst toe, deexpressiveness-instelling, 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.
Van opname naar gekloonde stem
Het maken van een aangepaste stem met Voxtral komt neer op twee stappen: bereid een audiofragment van hoge kwaliteit voor en stuur dit vervolgens met de juiste parameters naar de API. De tweede stap kost tien minuten; de eerste verdient meer aandacht omdat deze het eindresultaat bepaalt. Deze les leidt u door het proces van het maken van uw eerste stem.
Bereid uw audiofragment voor
Het audiofragment is de basis van uw stem: de kwaliteit ervan bepaalt direct de kwaliteit van de gesynthetiseerde spraak. Het model corrigeert niets; het reproduceert wat het hoort.
Bij Voxtral TTS 3 vraagt de documentatie om een MP3- of WAV-opname van enkele seconden tot enkele minuten (Voxtral 2 accepteerde 3 tot 30 seconden). In de praktijk onderscheiden we drie regimes. Tussen de 3 en 10 seconden vangt het model het basistimbre, maar met minder nuances: de stem is herkenbaar, maar niet echt levensecht. Tussen de 10 en 20 seconden krijgt u een goed compromis tussen kwaliteit en eenvoud, voldoende voor de meeste projecten. Bij meer dan 20 seconden geeft u het model genoeg materiaal om subtiliteiten te vatten—ritme, intonatie, die micro-variaties waardoor een vriend u aan twee woorden herkent.
De resterende vraag is wat u moet zeggen, een kwestie waar meer mensen mee worstelen dan u zou verwachten wanneer het tijd is om op te nemen. Hier is een referentiescript dat Mistral aanbeveelt:
“I am recording an audio sample to clone my voice. Once finished, I will be able to generate speech that sounds like me. It is incredible how AI can capture my way of speaking, my tone, my rhythm, and even the small quirks that make my voice unique.”
Deze tekst is niet willekeurig: deze is ontworpen om in het Engels een verscheidenheid aan klanken en intonaties te bestrijken, met open en gesloten klinkers, plosieve medeklinkers en een uitroepzin. Wat het bestand betreft, accepteert de API veelvoorkomende formaten—MP3, WAV, FLAC, OGG—en het bestand wordt voor verzending base64-gecodeerd.
Volledige Python-code
Hier is de code om een stem te maken met alle beschikbare parameters:
import base64
from pathlib import Path
from mistralai.client import Mistral
client = Mistral(api_key="your-api-key")
# Read and encode the audio sample
audio_path = Path("my-sample.mp3")
sample_audio_b64 = base64.b64encode(audio_path.read_bytes()).decode()
# Create the voice with all parameters
voice = client.audio.voices.create(
name="podcast-narrator-en",
sample_audio=sample_audio_b64,
sample_filename=audio_path.name,
languages=["en", "fr"],
gender="male",
age=40,
tags=["podcast", "narrator", "professional"]
)
print(f"Voice created successfully!")
print(f" ID : {voice.id}")
print(f" Name : {voice.name}")
print(f" Languages : {voice.languages}")
Slechts twee parameters zijn verplicht:
name: de weergavenaam van uw stem. Kies een beschrijvende naam waarmee u deze gemakkelijk kunt identificeren (bijv.support-assistant-en,podcast-intro)sample_audio: het audiofragment, gecodeerd in base64. Dit is de enige parameter die na creatie niet meer gewijzigd kan worden
De andere parameters zijn optioneel, maar elk dient een concreet doel:
sample_filename: de oorspronkelijke bestandsnaam. Helpt de API bij het detecteren van het audioformaatslug: een URL-vriendelijke identifier. Indien weggelaten, wordt deze automatisch gegenereerd op basis van de naamlanguages: een array met ISO-taalcodes (bijv.["en", "fr", "es"]). Geeft aan voor welke talen deze stem geoptimaliseerd isgender:"male"of"female". Wordt gebruikt voor filtering in de interfaceage: een geheel getal dat de geschatte leeftijd van de spreker aangeeft. Helpt bij het categoriseren van de stemtags: een array met vrije tekstrings om uw stemmen te organiseren (bijv.["commercial", "dynamic"])
Bij een project met één stem zou u in de verleiding kunnen komen alles weg te laten. Bij een catalogus van dertig stemmen verspreid over meerdere klanten besparen tags en talen die bij de creatie zijn opgegeven u uren sorteerwerk.
Opnemen via de browser
Als u liever geen audiobestanden beheert, kunt u met Mistral Studio direct opnemen vanuit uw browser:
- Ga naar de sectie Audio > Text to Speech
- Klik op My Voices en vervolgens op Add a new voice
- Voer de naam van uw stem in
- Klik op de opnameknop en spreek 10 tot 30 seconden
- Bevestig—uw stem is direct beschikbaar
Deze methode werkt perfect voor snelle tests, of wanneer de persoon die zijn stem leent niet degene is die de code schrijft—een acteur of directeur zal de oefening sneller in een browser doen dan in een terminal.
Verifieer uw stem
Ga nooit verder zonder naar het resultaat te luisteren. Zodra de creatie voltooid is, genereert u een testzin:
response = client.audio.speech.complete(
model="voxtral-mini-tts-3-0",
input="Hello, this is a test of my custom voice.",
voice_id=voice.id,
response_format="mp3",
)
Path("test-voice.mp3").write_bytes(
base64.b64decode(response.audio_data)
)
print("File test-voice.mp3 generated — listen to the result!")
Luister met een koptelefoon, niet via de luidsprekers van uw laptop: timbre-defecten zijn daar niet hoorbaar. Als het resultaat u niet bevalt, maak dan een nieuwe stem met een beter fragment in plaats van hetzelfde opnieuw te gebruiken—de API staat toch niet toe om de audio van een bestaande stem te vervangen, en vasthouden aan een slechte opname stelt het probleem alleen maar uit.
Belangrijkste punten
- De opname (MP3 of WAV) kan enkele seconden tot enkele minuten duren; streef naar minimaal 10 tot 20 seconden gevarieerde spraak
- Het audiobestand wordt voor verzending naar de API base64-gecodeerd
- De parameters
nameensample_audiozijn verplicht; de andere zijn optioneel - Met Mistral Studio kunt u direct vanuit de browser opnemen
- Test uw stem altijd direct na de creatie