Mistral: Voxtral Mini TTS

Mistral Voxtral Mini TTS is een tekst naar spraak model van Mistral, vermeld op api14 onder de categorie speech. Het neemt tekst als enige invoer en produceert spraak als enige uitvoer, dus het zit in de synthesehelft van een spraakpijplijn en niet in de herkenningshelft. Als je al andere Mistral modellen via api14 routeert, komt deze van dezelfde provider en volgt hij hetzelfde toegangspatroon.

Het model accepteert tekst en retourneert natuurlijk klinkende audio. Het ondersteunt meertalige uitvoer, en de beschikbare stemmen bestrijken Engels, Brits Engels en Frans. De Engelse stemmen zijn gegroepeerd onder en_paul, met varianten voor sad, neutral, happy, frustrated, excited, confident, cheerful en angry. Brits Engels biedt gb_oliver en gb_jane, elk met hun eigen set emotionele varianten zoals curious, confident, cheerful, angry, sarcasm, confusion, shame, jealousy en frustration. Frans wordt bediend door fr_marie, met varianten sad, neutral, happy, excited, curious en angry. Het contextvenster is 4096 tokens, en de maximale uitvoer is 3276, wat het budget is dat je invoertekst en de gegenereerde spraak delen, dus houd de brontekst redelijk kort per verzoek.

Die mogelijkheden wijzen op een paar praktische toepassingen. Je kunt artikelen, documentatie of productteksten inspreken en een stem kiezen waarvan de emotionele toon bij het materiaal past, bijvoorbeeld een vrolijke stem voor onboardingcontent of een neutrale voor technisch voorlezen. Omdat stemmen in drie taalvarianten bestaan, kun je gelokaliseerde audio produceren voor Engelse, Brits Engelse en Franse doelgroepen vanuit dezelfde brontekst. Het emotionele bereik maakt het model bruikbaar voor dialoog in games of e learning, waar een enkele regel gelezen moet worden als excited, frustrated of sad. Zero shot voice cloning, zoals beschreven door de provider, is relevant als je een consistente aangepaste stem nodig hebt across een reeks clips.

Het aanroepen via api14 werkt zoals elk ander OpenAI compatibel model. Stuur een verzoek naar het chat completions endpoint met het model id "mistralai/voxtral-mini-tts-2603" en je tekst als invoer, en het antwoord bevat de gegenereerde spraak. Het model vermeldt geen ondersteunde parameters, dus er zijn geen sampling- of generatieknoppen om aan het verzoek te draaien; de stemselectie is de belangrijkste controle die je hebt, en je kiest die uit de stemmenlijst hierboven. Plan je integratie rond het vaste contextvenster van 4096 tokens en het uitvoerplafond van 3276 tokens in plaats van rond instelbare instellingen.

Omdat de parameterlijst leeg is, past dit model bij eenvoudige synthesetaken waarbij je tekst en een stem aanlevert en het standaardgedrag accepteert. Als je fijne controle over generatie-instellingen nodig hebt, of als je invoertekst regelmatig het contextvenster overschrijdt, wil je misschien een ander model of een chunkingstap vóór dit model. Voor gewone tekst naar spraak in de ondersteunde talen en stemmen dekt het de taak direct.