Mistral: Voxtral Mini TTS

Mistral Voxtral Mini TTS è un modello text to speech di Mistral, elencato su api14 nella categoria speech. Prende il testo come unico input e produce parlato come unico output, quindi si colloca nella metà di sintesi di una pipeline vocale rather than nella metà di riconoscimento. Se già instradi altri modelli Mistral attraverso api14, questo proviene dallo stesso provider e segue lo stesso schema di accesso.

Il modello accetta testo e restituisce audio dal suono naturale. Supporta output multilingue, e le voci disponibili coprono inglese, inglese britannico e francese. Le voci inglesi sono raggruppate sotto en_paul, con varianti per sad, neutral, happy, frustrated, excited, confident, cheerful e angry. L'inglese britannico offre gb_oliver e gb_jane, ciascuna con il proprio insieme di varianti emotive come curious, confident, cheerful, angry, sarcasm, confusion, shame, jealousy e frustration. Il francese è servito da fr_marie, con varianti sad, neutral, happy, excited, curious e angry. La finestra di contesto è di 4096 token, e l'output massimo è 3276, che è il budget condiviso tra il testo di input e il parlato generato, quindi mantieni il testo sorgente ragionevolmente breve per richiesta.

Queste capacità indicano alcuni usi pratici. Puoi narrare articoli, documentazione o testi di prodotto e scegliere una voce il cui tono emotivo corrisponda al materiale, per esempio una voce cheerful per contenuti di onboarding o una neutral per una lettura tecnica. Poiché le voci esistono in tre varianti linguistiche, puoi produrre audio localizzato per pubblico inglese, inglese britannico e francese dallo stesso testo sorgente. La gamma emotiva rende il modello utilizzabile per dialoghi in giochi o e learning, dove una singola battuta può dover essere letta come excited, frustrated o sad. Il voice cloning zero shot, come descritto dal provider, è rilevante se hai bisogno di una voce personalizzata coerente across una serie di clip.

Chiamarlo attraverso api14 funziona come qualsiasi altro modello compatibile con OpenAI. Invia una richiesta all'endpoint chat completions con l'id del modello "mistralai/voxtral-mini-tts-2603" e il tuo testo come input, e la risposta contiene il parlato generato. Il modello non elenca parametri supportati, quindi non ci sono manopole di campionamento o generazione da regolare sulla richiesta; la selezione della voce è il controllo principale che hai, e la scegli dall'elenco di voci sopra. Pianifica la tua integrazione attorno al contesto fisso di 4096 token e al tetto di output di 3276 token rather than attorno a impostazioni regolabili.

Poiché l'elenco dei parametri è vuoto, questo modello è adatto a lavori di sintesi semplici in cui fornisci testo e una voce e accetti il comportamento predefinito. Se hai bisogno di un controllo fine sulle impostazioni di generazione, o se il tuo testo di input supera regolarmente la finestra di contesto, potresti volere un modello diverso o un passaggio di chunking davanti a questo. Per il text to speech semplice nelle lingue e nelle voci supportate, copre il compito direttamente.