Format audio
På denna sida
Cours mis à jour le 3 novembre 2026 pour Voxtral TTS 3, sur la base du guide Migrate from Voxtral 2 et des pages Text to Speech de Mistral :
voxtral-mini-tts-2603, déprécié le 31 octobre 2026 et supprimé le 30 avril 2027, est remplacé dans les exemples parvoxtral-mini-tts-3-0. Les voix prédéfinies de Voxtral 2 (gb_jane_neutral…) restent acceptées ; Voxtral 3 ajoute les balises[emotion=…]et[pace=…]dans le texte, le paramètreexpressiveness, la prononciation personnalisée (phoneme_hints) et prend en charge 35 langues. Mistral recommande de remesurer la latence après la migration. Sources : Migrate from Voxtral 2 · Speech generation.
Choisir le bon format de sortie
Le paramètre response_format accepte cinq valeurs. Ce choix en une ligne compte bien plus qu’il n’y paraît : il détermine la qualité audio, la taille des fichiers que tu stockes, la latence perçue par tes utilisateurs et la compatibilité avec leurs lecteurs. Un podcast livré en PCM sera illisible pour la moitié de ton audience ; un agent vocal en MP3 accuséra un décalage de deux secondes sur chaque réponse. Le tableau ci-dessous donne une vue d’ensemble, et la suite de cette leçon explique quand utiliser chaque format.
| Format | Compression | Qualité | Latence de streaming | Cas d'usage principal |
|---|---|---|---|---|
| MP3 | Avec perte | Bonne | ~2 secondes | Usage général, fichiers |
| WAV | Aucune (PCM) | Maximale | Moyenne | Post-production, livres audio |
| PCM | Aucune (brut) | Maximale | ~0,7 seconde | Streaming temps réel |
| FLAC | Sans perte | Maximale | Moyenne | Archivage, qualité pro |
| Opus | Avec perte | Très bonne | Faible | Streaming, VoIP, bande passante limitée |
Les latences de ce tableau sont des ordres de grandeur approximatifs mesurés avec Voxtral 2 ; remesure-les avec Voxtral TTS 3, qui produit dans tous les cas un audio mono à 24 kHz.
MP3 : le standard universel
Le MP3 reste le format le plus répandu : tous les navigateurs, téléphones et lecteurs le lisent nativement, et il transporte les métadonnées ID3 requises par les plateformes de podcasts. Sa compression est avec perte, donc la qualité est légèrement inférieure à celle du WAV, mais la différence est rarement audible pour la parole. Son véritable inconvénient se situe ailleurs : en streaming, le codec doit accumuler des données avant de produire sa première trame, retardant le premier son d’environ deux secondes. Choisis ce format pour les fichiers téléchargeables, les podcasts ou l’intégration web standard — jamais pour un usage conversationnel.
response = client.audio.speech.complete(
model="voxtral-mini-tts-3-0",
input="An MP3 file for standard use.",
voice_id=voice_id,
response_format="mp3",
)
WAV : qualité maximale
Le WAV contient de l’audio PCM non compressé, offrant la meilleure qualité possible sans aucune perte. Comme il n’y a rien à décoder et que les éditeurs audio reconnaissent universellement ce format, c’est le point de départ naturel de toute chaîne de post-production : tu édites, égalises et compresses, puis tu exportes vers ton format de distribution souhaité. Le compromis réside dans la taille du fichier — environ dix fois celle d’un MP3 — et les exigences de bande passante correspondantes.
response = client.audio.speech.complete(
model="voxtral-mini-tts-3-0",
input="A WAV file for the best quality.",
voice_id=voice_id,
response_format="wav",
)
Réserve-le aux livres audio de qualité studio, à l’archivage et à tout ce que tu prévois d’éditer ultérieurement.
PCM : le format temps réel
Le PCM (Pulse Code Modulation) est un audio brut Float32 Little-Endian sans en-tête ni encapsulation. Cette nudité est à la fois sa force et sa faiblesse. Sa force : rien à encoder ni à décoder, le premier son arrive en environ 0,7 seconde, et les octets reçus s’écrivent directement sur la carte son. Sa faiblesse : sans en-tête, tu dois connaître et transmettre toi-même la fréquence d’échantillonnage et le format — c’est exactement pourquoi l’exemple pyaudio de la leçon 10 déclarait explicitement paFloat32, un canal et 24 000 Hz. Les fichiers sont également très volumineux et aucun lecteur grand public ne les ouvre directement.
response = client.audio.speech.complete(
model="voxtral-mini-tts-3-0",
input="Raw PCM for streaming.",
voice_id=voice_id,
response_format="pcm",
)
C’est le format dédié aux assistants vocaux temps réel, aux agents conversationnels et aux applications WebRTC.
FLAC : compression sans perte
Le FLAC réduit la taille des fichiers de 50 % à 60 % sans toucher un seul échantillon : la qualité est rigoureusement identique à celle du WAV et tu conserves les métadonnées. En pratique, c’est ton format d’archivage : stocke tes masters en FLAC, et tu pourras régénérer un MP3 ou un Opus des années plus tard sans subir la double compression qui dégrade l’audio. Il nécessite toutefois un décodeur, ce qui le rend moins universel que le MP3.
response = client.audio.speech.complete(
model="voxtral-mini-tts-3-0",
input="FLAC for lossless archiving.",
voice_id=voice_id,
response_format="flac",
)
Opus : le compromis moderne
Opus est un codec conçu pour la communication temps réel, offrant une excellente qualité à des débits très faibles. Sur une application mobile fonctionnant en 4G dégradée, il délivre une voix claire là où le WAV saturerait la connexion, avec une faible latence de streaming — supérieure à celle du PCM, mais bien inférieure à celle du MP3. La compatibilité est cependant inégale : tous les lecteurs ne le prennent pas en charge nativement et certains nécessitent un conteneur OGG.
response = client.audio.speech.complete(
model="voxtral-mini-tts-3-0",
input="Opus for efficient streaming.",
voice_id=voice_id,
response_format="opus",
)
C’est le choix pour la VoIP, le streaming à bande passante limitée et les applications mobiles.
Décider en une minute
Face à un nouveau projet, décide dans cet ordre. Si tu fais du streaming temps réel, choisis le PCM pour une latence minimale, ou l’Opus si la bande passante compte autant que la réactivité. Sinon, demande-toi où le fichier sera lu : dans un navigateur, le MP3 garantit une compatibilité maximale. S’il doit être édité plus tard, le WAV te fournit la matière la plus facile à manipuler. S’il doit être archivé sans perdre un décibel, le FLAC compresse sans rien sacrifier. Et si la contrainte dominante est un réseau lent, l’Opus offre le meilleur rapport qualité/taille.
Viktiga punkter
- Le MP3 est le choix par défaut pour une compatibilité universelle
- Le PCM offre la latence la plus faible pour le streaming temps réel (~0,7 s)
- Le WAV fournit la meilleure qualité non compressée, idéale pour la post-production
- Le FLAC compresse sans perte — même qualité que le WAV, fichiers plus petits
- L’Opus est le meilleur compromis qualité/taille pour les applications réseau