Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Svensk version

Voxtral TTS: Syntes och kloning av röst

Skapa anpassade röster och generera tal med Voxtral TTS: kloning utan förberedande exempel, strömning i realtid och optimerade ljudformat.

14 lektioner ca. 1 h 30 min Utvecklare

Vad du lär dig

  • Skapa en anpassad röst via Voices API från ett ljudprov av hög kvalitet
  • Generera tal och klona en röst i farten från ett referensutdrag
  • Strömma genererat ljud i realtid för att minska den upplevda latensen
  • Kontrollera uttal och textsegmentering för att säkerställa tillförlitligt röstutdata
  • Sammansätta en komplett röstpipeline som respekterar etiska regler för röstkloning

Kursöversikt

Målgrupp
Utvecklare, ingenjörer och integratörer som vill utnyttja Mistral AI via API i sina applikationer.
Förkunskaper
Förmåga att läsa Python och JSON, grundläggande kunskaper om kommandoraden. En API-nyckel till Mistral AI Studio för att testa exemplen.
Studietid
1 h 30 min — 14 lektioner
Upplägg
100 % online-kurs i eget tempo, tillgänglig dygnet runt från en webbläsare. Framsteg sparas, fortsätt när som helst. Beräknad duration: 1 h 30 min.
Bedömning
Övningsuppgifter erbjuds genom hela lektionerna. Varje lektion avslutas med sina Nyckelpunkter, vilket stödjer självutvärdering. Ett slutligt quiz med 5 rättade frågor, i slutet av den sista lektionen, validerar inlärningen.
Tillgänglighet
Kurs i eget tempo tillgänglig för personer med funktionsnedsättning: textinnehåll kompatibelt med skärmläsare, tangentbordsnavigering och kontraster som följer standarden. För eventuella behov av anpassning, mejla [email protected].
Pris
Gratis

Kursens innehåll

  1. 01 Introduktion till Voxtral TTS
  2. 02 Modeller för Voxtral TTS
  3. 03 Användningsområden för TTS
  4. 04 Voices-API:n
  5. 05 Skapa en anpassad röst
  6. 06 Meilleures pratiques audio
  7. 07 Politik och etik kring röstkloning
  8. 08 Génération de parole de base
  9. 09 Kloning av röst i realtid
  10. 10 Streaming en temps réel
  11. 11 Kontroll av text och uttal
  12. 12 Format audio
  13. 13 Optimisation de la latence
  14. 14 Pipeline vocal complet