Basisgeneratie van spraak
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 tags[emotion=…]en[pace=…]toe in de tekst, de instellingexpressiveness, 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.
Uw eerste spraakgeneratie
U weet nu hoe u een stem maakt en deze beheert via de Voices API. De laatste stap is doen waar dit alles voor diende: audio produceren. De Speech API van Mistral komt neer op één enkele aanroep, client.audio.speech.complete(), die tekst en een voice-ID accepteert en audio retourneert gecodeerd in base64. Deze les behandelt basisgeneratie met een opgeslagen stem; cloning on-the-fly en streaming komen hierna aan bod.
De onderstaande code is alles wat u nodig hebt om een zin om te zetten in een MP3-bestand op uw schijf. Let goed op de laatste stap: het antwoord bevat geen ruwe audiobytes die u direct kunt gebruiken, maar een base64-tekenreeks die u moet decoderen voordat u het bestand wegschrijft. Dit is de klassieke fout voor beginners: de tekenreeks als zodanig opslaan zorgt ervoor dat audiospelers weigeren het bestand te openen.
import base64
from pathlib import Path
from mistralai.client import Mistral
client = Mistral(api_key="your-api-key")
# Spraak genereren met een opgeslagen stem
response = client.audio.speech.complete(
model="voxtral-mini-tts-3-0",
input="Hello and welcome to this course on Voxtral TTS.",
voice_id="your-voice-id",
response_format="mp3",
)
# Base64 decoderen en opslaan als bestand
audio_bytes = base64.b64decode(response.audio_data)
Path("output.mp3").write_bytes(audio_bytes)
print(f"Audio generated: {len(audio_bytes)} bytes")
Wat elke parameter bestuurt
De parameter model specificeert het synthesemodel. Op dit moment is voxtral-mini-tts-3-0 de enige beschikbare optie, maar geef deze altijd expliciet op: wanneer andere modellen verschijnen, zal uw code precies dezelfde stem produceren als vandaag.
input accepteert de uit te spreken tekst en is veruit de parameter die de meeste aandacht vereist. De documentatie van Voxtral 2 adviseerde om onder de 300 woorden per verzoek te blijven; de documentatie van Voxtral TTS 3 stelt geen limiet meer, maar verzoeken per alinea blijven eenvoudiger te beheersen en af te spelen. Vermijd emoji’s, die het model niet kan interpreteren, evenals complexe opmaak—Markdown, HTML, speciale tekens—die letterlijk worden voorgelezen. Schrijf tot slot getallen en afkortingen voluit: “twenty-three” in plaats van “23”, “Limited Liability Company” in plaats van “LLC”. Een stemalegent die struikelt over getallen terwijl hij een bedrag omroept, verliest binnen één zin zijn geloofwaardigheid.
voice_id identificeert de gebruikte stem. U krijgt deze op drie manieren: door een stem te maken met client.audio.voices.create() (zie les 5), door uw bestaande stemmen op te sommen met client.audio.voices.list(), of door de ID van een professionele stem van Mistral opnieuw te gebruiken. response_format stelt tot slot het uitvoerformaat in tussen mp3, wav, pcm, flac en opus. Deze keuze beïnvloedt zowel de bestandsgrootte als de latentie; les 12 is hier volledig aan gewijd.
Opschalen: een hoofdstuk van een luisterboek
Voor iets langere tekst blijft splitsen de beste praktijk. Het principe is eenvoudig: bereid een lijst met alinea’s voor, genereer elk apart, en verzamel vervolgens de gedecodeerde bytes in één buffer voordat u het uiteindelijke bestand wegschrijft.
import base64
from pathlib import Path
from mistralai.client import Mistral
client = Mistral(api_key="your-api-key")
voice_id = "your-voice-id"
# Tekst gesplitst in alinea's
paragraphs = [
"First paragraph of the chapter. The narrator introduces the context.",
"Second paragraph. The action begins to develop.",
"Third paragraph. Suspense builds gradually.",
]
full_audio = b""
for i, text in enumerate(paragraphs):
print(f"Generating segment {i + 1}/{len(paragraphs)}...")
response = client.audio.speech.complete(
model="voxtral-mini-tts-3-0",
input=text,
voice_id=voice_id,
response_format="wav",
)
full_audio += base64.b64decode(response.audio_data)
Path("chapter-01.wav").write_bytes(full_audio)
print("Audio chapter generated successfully!")
Dit script werkt omdat het WAV produceert, een niet-gecomprimeerd formaat waarvan de segmenten einde-aan-einde kunnen worden samengevoegd zonder speciale verwerking. Probeer hetzelfde met MP3 of Opus en het resultaat zal onbruikbaar zijn: deze gecomprimeerde formaten bevatten headers en framestructuren die door ruwe concatenatie worden verbroken. Gebruik in plaats daarvan een bibliotheek zoals pydub, die elk segment decodeert voordat ze schoon worden samengevoegd.
Wanneer generatie mislukt
In productie moet u de aanroep beschermen. Een voice_id die gisteren door een collega is verwijderd, tekst die stilletjes langer wordt omdat een veld is samengevoegd, een API-quota dat eind van de maand uitgeput is, een verkeerd gespeld uitvoerformaat: elk van deze situaties leidt tot een uitzondering, en zonder veiligheidsmaatregelen stopt uw batchverwerking halverwege het corpus.
try:
response = client.audio.speech.complete(
model="voxtral-mini-tts-3-0",
input="Text to convert to speech.",
voice_id=voice_id,
response_format="mp3",
)
audio_bytes = base64.b64decode(response.audio_data)
Path("output.mp3").write_bytes(audio_bytes)
except Exception as e:
print(f"Error during generation: {e}")
Neem de tijd om dit foutpad te testen voordat u naar productie gaat: genereer bewust met een ongeldige voice_id en verifieer dat uw applicatie dit duidelijk signaleert in plaats van een leeg bestand te produceren.
Belangrijkste punten
- Generatie gebruikt
client.audio.speech.complete()met modelvoxtral-mini-tts-3-0 - Splits lange teksten in alinea’s en vermijd emoji’s en opmaak
- Schrijf getallen en afkortingen voluit voor correcte uitspraak
- Geretourneerde audio is base64—decodeer deze voordat u opslaat
- Voor lange teksten: splits in segmenten en voeg resultaten samen