Ga naar hoofdinhoud
Nederlands— Kies een taal
Menu

Best Practices voor Audio

Les 6 van 14 Bijgewerkt op 3 november 2026 Ontwikkelaar
Op deze pagina
  1. Inputkwaliteit Bepaalt Outputkwaliteit
  2. Regel 1: Schone Audio
  3. Regel 2: Spreek Natuurlijk
  4. Regel 3: Vermijd Vulwoorden
  5. Regel 4: Optimale Duur
  6. De Meertalige Truc
  7. Checklist Voorafgaand aan Opname
  8. 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 per 31 oktober 2026 en buiten gebruik gesteld op 30 april 2027, wordt in voorbeelden vervangen door voxtral-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, evenals 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.

Inputkwaliteit Bepaalt Outputkwaliteit

De stemcloning van Voxtral is krachtig, maar blijft volledig afhankelijk van de kwaliteit van het audiobestand dat u aanlevert. Een slechte opname resulteert onvermijdelijk in een slechte synthetische stem; hier is later geen remedie voor. De volgende vier regels zijn elk in één zin samen te vatten, maar ze maken het verschil tussen een stem die men graag hoort en een stem die men na dertig seconden dempt.

Regel 1: Schone Audio

De opnameomgeving is cruciaal omdat het model geen onderscheid kan maken tussen uw stem en de omgeving: het leert alles. Constante achtergrondgeluiden—ventilatie, gepraat in een kantoortuin, verkeer achter een raam—worden opgenomen en bij elke generatie gereproduceerd, zelfs zes maanden later bij volledig andere teksten. Nagalm veroorzaakt hetzelfde probleem: een lege ruimte met harde oppervlakken, tegels of grote ramen creëert een echo die het model getrouw overneemt; geef de voorkeur aan een gemeubileerde ruimte of minimale akoestische behandeling. Zelfs zeer zachte achtergrondmuziek wordt opgepikt en met de stem vermengd. Tot slot mag de sample slechts één spreker bevatten: twee overlappende stemmen leveren onbruikbare resultaten op.

Geen studio? Dat is geen probleem. Een kast vol kleding fungeert als uitstekende akoestische isolator en doet het werk van dure absorptiepanelen. Een headsetmicrofoon van goede kwaliteit, zoals gebruikt voor podcasts, is meer dan voldoende; het verschil daarmee en een professionele microfoon is veel kleiner dan het verschil tussen een stille en een lawaaierige ruimte. Neem op met gesloten ramen en uitgeschakelde meldingen, en maak er een gewoonte van om een testopname van 5 seconden te beluisteren voordat u de definitieve opname maakt: zo ontdekt u een trillende koelkast of een toetsenbord dat te dicht bij de microfoon staat.

Regel 2: Spreek Natuurlijk

Het model vangt niet alleen uw timbre, maar ook uw spreekstijl, en hier falen veel eerste pogingen. Mensen gaan voor een microfoon vaak spontaan articuleren als een nieuwslezer—de synthetische stem erft die gekunstelde toon, wat al bij de tweede zin nep klinkt. Spreek zoals u normaal doet, zonder uw dictie te forceren of uw gebruikelijke tempo aan te passen.

Het omgekeerde geldt evenzeer: een vlakke, monotone opname levert een monotone stem op. Variëer uw intonatie op natuurlijke wijze en houd een steady ritme aan—niet te snel, want dan mist het model nuances, en niet te langzaam, want dan klinkt de stem slaperig. Houd er rekening mee dat de emotie in uw sample direct de emotie van de gegenereerde stem beïnvloedt: als u enthousiast opneemt, klinkt de synthetische stem enthousiast; als u rustig opneemt, klinkt deze rustig. Kies uw opnamesfeer dus op basis van het beoogde gebruik—een audioboekverteller en een medewerker klantenservice vereisen niet dezelfde energie.

Regel 3: Vermijd Vulwoorden

Vulwoorden, die stoplappen die spontane spraak onderbreken, zijn de vijand van stemcloning. Vermijd parasitaire “ehms”, “uhs”, “nou ja” en “dus”, en hoest of schraap uw keel niet tijdens de opname. Als u een fout maakt, begin dan opnieuw vanaf het begin in plaats van halverwege te corrigeren—een “sorry, ik begin opnieuw” blijft in de sample staan.

De reden is simpel: het model kan geen onderscheid maken tussen uw stem en uw aarzelingen. Het behandelt ze als een kenmerk van uw spreekstijl en reproduceert ze bij elke generatie. Een klant die hun spraakassistent systematisch hoort aarzelen midden in een zin, denkt niet aan een bug; ze denken dat de service slordig is.

Regel 4: Optimale Duur

Zoals behandeld in de vorige les, is de aanbevolen duur 10 tot 20 seconden, maar dit bereik verdient nuance. Onder de 5 seconden heeft het model onvoldoende gegevens om uw stemvariaties vast te leggen, en klinkt het resultaat generiek. Voxtral 2 weigerde samples langer dan 30 seconden; Voxtral TTS 3 accepteert tot enkele minuten, maar voorbij ongeveer twintig seconden is het de variatie in de spraak, niet de lengte, die het resultaat verbetert. De ideale duur is daarom ongeveer 15 tot 20 seconden gevarieerde, natuurlijke spraak—variëteit telt net zo zwaar als lengte.

De Meertalige Truc

Hier is een geavanceerde techniek ontdekt door Voxtral-gebruikers: meertalige cloning stelt u in staat interessante accenteffecten te creëren. Het principe is om een sample in de ene taal aan te leveren, bijvoorbeeld Frans, en vervolgens spraak in een andere taal te genereren, bijvoorbeeld Engels. Het resultaat? De synthetische stem spreekt Engels met het Franse accent van de oorspronkelijke spreker.

# Create a voice from a French sample
voice = client.audio.voices.create(
    name="fr-accent-voice",
    sample_audio=french_sample_b64,
    sample_filename="sample_fr.mp3",
    languages=["fr"],
    gender="female",
)

# Generate speech in English with this voice
response = client.audio.speech.complete(
    model="voxtral-mini-tts-3-0",
    input="Hello, have you tried that new coffee place on Fifth Street?",
    voice_id=voice.id,
    response_format="mp3",
)

Het resultaat klinkt exact alsof de Franse spreker Engels spreekt, met hun natuurlijke accent. De meest voor de hand liggende toepassing is voor merken die hun vocale identiteit over talen heen willen behouden: een Frans woordvoerder behoudt zijn sonische handtekening in de Engelstalige versie van een campagne in plaats van vervangen te worden door een anonieme stem.

Checklist Voorafgaand aan Opname

Controleer het volgende voordat u begint met de definitieve opname:

  • Stille omgeving (geen achtergrondgeluid, geen echo)
  • Microfoon correct gepositioneerd (10–15 cm van de mond)
  • Meldingen uitgeschakeld (telefoon, computer)
  • Script voorbereid of onderwerp in gedachten
  • Test van 5 seconden gevalideerd

Belangrijkste punten

  • Schone audio zonder achtergrondgeluid of nagalm is essentieel
  • Spreek natuurlijk en expressief—het model legt uw stijl vast
  • Vermijd vulwoorden (“ehm”, “uh”) omdat deze worden gereproduceerd
  • Optimale duur is 15 tot 20 seconden gevarieerde spraak
  • Meertalige cloning stelt u in staat een accent in een andere taal te behouden