Source: https://ailoot.ai/models/hu/mistralai-voxtral-mini-tts-2603/ Canonical: https://ailoot.ai/models/hu/mistralai-voxtral-mini-tts-2603/ Language: hu # Mistral: Voxtral Mini TTS [Markdown](https://ailoot.ai/models/hu/mistralai-voxtral-mini-tts-2603/index.md) · [JSON](https://ailoot.ai/models/hu/mistralai-voxtral-mini-tts-2603/facts.json) ## [Mistral: Voxtral Mini TTS](https://ailoot.ai/models/hu/mistralai-voxtral-mini-tts-2603/) A Voxtral TTS a Mistral AI 4B beszédgeneráló modellje, amely kilenc nyelven kínál referenciaalapú hangadaptációt. Előkészített szöveget alakít kifejező hanganyaggá, újra használható vagy egyszeri hangpromptokat és streamelést támogat, és dokumentált hangformátumokban 24 kHz-es kimenetet állít elő. - [**Ailoot Ultra · Felolvasás** `POST /v1/audio/speech` `mistralai/voxtral-mini-tts-2603`](https://ailoot.ai/models/hu/mistralai-voxtral-mini-tts-2603/#method-0) A modellről Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók. A Voxtral TTS a Mistral AI 4B szövegfelolvasó modellje beszédhang generálásához szövegből és hangreferenciából. A gyártó modelloldala a 2603 változatot voxtral-mini-tts-2603-ként azonosítja, míg a kiadott súlyok kártyája Voxtral 4B TTS 2603 néven szerepel. Ez a bejegyzés erre a beszédgeneráló kiadásra vonatkozik, külön a Voxtral Small hangmegértési, átírási és későbbi valós idejű bemeneti modellektől. Kifejező beszéd és hangadaptáció A modell célja a referenciahang szüneteinek, ritmusának, intonációjának, akcentusának és érzelmi előadásának megragadása. A hang utasításként hat arra, hogyan szóljon a szöveg; a gyártó áttekintése nem követel meg külön prozódia- vagy érzelemcímkéket, sem a referenciafelvétel átiratát. A forrásszöveg határozza meg, mi hangzik el, a hangreferencia pedig az előadását irányítja. Az áttekintés már két–három másodpercnyi hangból történő adaptációt ír le. Az architektúraleírás öt–huszonöt másodperces hangpromptokat tárgyal. Ezek az állítások eltérő hatókörűek: egy rövid adaptációs példa nem írja elő a lehető legrövidebb referencia használatát. Tiszta beszédet válassz, amely képviseli a végső eredményhez kívánt stílust és akcentust. A kiadott kártya húsz előre beállított hangot és új hangokhoz való adaptációt tartalmaz. A gyártó beszédmunkafolyamata mentett hangprofilt vagy egyszeri referenciaklipet használhat. A profil mentése lehetővé teszi ugyanazon hangreferencia újrahasználatát külön beszédkérésekben, míg az egyszeri klip az aktuális feladathoz adja azt. A profil és a generált felvétel eltérő anyagok. Nyelvek és nyelvek közötti előadás A kiadás angolt, franciát, spanyolt, németet, olaszt, portugált, hollandot, arabot és hindit támogat; a gyártó dialektusváltozatokat, nyelvek közötti hangátvitelt és nyelvkeverést ír le. A legjobb eredményhez a beszédútmutató a referencia és a szöveg nyelvének egyezését ajánlja. A nyelvek közötti átvitel megőrizheti a referencia akcentusát, miközben másik támogatott nyelven mondja el az előkészített szöveget. Gyakorlati narrációs feladatban ugyanaz a hangstílus használható egy magyarázathoz különböző támogatott nyelveken, minden szöveget a kívánt hallgatóhoz készítve. Hangasszisztens-válasz rövid, társalgási szöveget használhat szerkesztetlen dokumentum felolvasása helyett. A szövegfelolvasó modell az előkészített szavakat szólaltatja meg; az azokat létrehozó fordítási vagy válaszírási szakasz külön lépés. A szöveg előkészítése A gyártó beszédútmutatója kimondható szöveget ajánl. A számokat és szimbólumokat abban az alakban írd, ahogyan el kell hangozniuk, hogy a modellnek ne kelljen lehetséges olvasatok között választania. Egy szám lehet mennyiség, idő vagy azonosító; szintézis előtt határozd meg a kívánt kimondott megfogalmazást. Ha fontos a kiejtés, bontsd ki a rövidítéseket, különálló betűkkel, ha ez a kívánt olvasat. Kerüld a gazdag formázást, emojikat és speciális karaktereket, amelyek nem válnak elmondott tartalommá. Teljes mondatokat készíts az előadáshoz szükséges írásjelekkel és megfogalmazással. Az útmutató a legjobb eredményhez 300 szónál rövidebb promptot ajánl. Ez minőségi javaslat, nem deklarált szigorú maximális bemenethossz. Eljárásmagyarázatnál a műveletet és feltételt olyan mondatba írd, amelyet a hallgató követni tud. Közleménynél a fontos információ előzze meg az opcionális részleteket. Hangos válasznál tartsd meg a tényszerű választ, és távolítsd el a csak megjelenítésre szolgáló formázást vagy forrásjelölést, amelynek nem kell elhangoznia. Ezek az előkészületek magát a szöveget teszik hanghoz alkalmassá, mielőtt a referencia meghatározza a stílust. Streamelés, kimenet és időtartam A gyártó alap- és streamelt átadást dokumentál, és legfeljebb kétpercnyi hang natív generálását írja le. A kiadott súlykártya kötegelt következtetést is felsorol több beszédfeladat előkészítéséhez. Hosszabb szolgáltatási generálásai összefűző váltogatást használnak, nem tekintenek egyetlen natív darabot korlátlannak. Hosszabb narrációhoz összefüggő szakaszokat készíts, és hang- valamint szövegelőkészítésük maradjon következetes a folytatást kezelő átadási munkafolyamattal. A kiadott kártya 24 kHz-es hangot ad meg, és WAV, PCM, FLAC, MP3, AAC és Opus kimeneti formátumokat nevez meg. A beszédszolgáltatás útmutatója tömörített átadáshoz MP3-at, tömörítetlen PCM-hez WAV-ot, veszteségmentes tömörítéshez FLAC-ot, streameléshez PCM-et vagy Opust tárgyal. Olyan formátumot válassz, amelyet a kapcsolódó munkafolyamat támogat, és amely illik a lejátszóhoz vagy feldolgozási lépéshez. A formátumválasztás és streamelési viselkedés különbözik magától a hangadaptációtól. Modellarchitektúra és gyakorlati határok A bejelentés autoregresszív, flow-matching architektúrát ír le 3.4B Transformer-dekóderalappal, 390 millió paraméteres akusztikus Transformerrel és 300 millió paraméteres neurális hangkodekkel. A dekóder szemantikai tartalmat jósol, az akusztikai komponens beszédreprezentációt készít, a kodek pedig a hangot kezeli. Ezek a komponensek magyarázzák a hozzávetőleges 4B modellcímkét; nem további bemeneti nyelvek vagy másik válaszgeneráló modell. A gyakorlati kimenet az előkészített szöveghez és kiválasztott hanghoz rendelt szintetizált felvétel vagy hangstream. Több szakasz generálásakor őrizd meg ezeket a kapcsolatokat, hogy az alkalmazás a megfelelő anyagot menthesse, játszhassa le vagy állíthassa össze. A modell hangot készít, nem átiratot, szemantikus keresővektort vagy újonnan megírt tényszerű választ. Őrizd meg a 2603 beszédváltozatot, a támogatott nyelvet és a referencia stílusát. Az olvasott források tartalmazzák a natív kétperces állítást és a 300 szó alatti előkészítési ajánlást, de nem igazolnak külön szigorú szövegkarakter-korlátot vagy teljes összefűzött felvételidőtartamot. A kész hanganyagot a tényleges szöveg-, hang- és átadási követelményekkel határozd meg. **Ailoot Ultra · Felolvasás** `POST /v1/audio/speech` `mistralai/voxtral-mini-tts-2603` [`mistralai/voxtral-mini-tts-2603`](https://ailoot.ai/models/hu/#m=mistralai%2Fvoxtral-mini-tts-2603&route=Ultra&caller=mistralai%2Fvoxtral-mini-tts-2603&fmt=speech) Mistral /`mistralai/voxtral-mini-tts-2603` ### Kezdő lépések A Voxtral TTS a Mistral AI 4B beszédgeneráló modellje, amely kilenc nyelven kínál referenciaalapú hangadaptációt. Előkészített szöveget alakít kifejező hanganyaggá, újra használható vagy egyszeri hangpromptokat és streamelést támogat, és dokumentált hangformátumokban 24 kHz-es kimenetet állít elő. Elfogadott bemenetek Szöveg Eredmények Hang ### Elérhető az Ailootban · bemenetek és metódusok **Ailoot Ultra · Felolvasás** `POST /v1/audio/speech` Bemenet `text` Kimenet `audio` Kimeneti formátum mp3 | Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett | | --- | --- | --- | --- | --- | | Mező`model` | Típus`string` | KövetelményKötelező | Értékek és korlátok mistralai/voxtral-mini-tts-2603 | Alapértelmezett— | | Mező`input` | Típus`string` | KövetelményKötelező | Értékek és korlátok Minimális hossz: 1 Egység: Unicode-karakterek | Alapértelmezett— | | Mező`voice` | Típus`string` | KövetelményKötelező | Értékek és korlátok en\_paul\_sad, en\_paul\_neutral, en\_paul\_happy, en\_paul\_frustrated, en\_paul\_excited, en\_paul\_confident, en\_paul\_cheerful, en\_paul\_angry, gb\_oliver\_neutral, gb\_oliver\_sad, gb\_oliver\_excited, gb\_oliver\_curious, gb\_oliver\_confident, gb\_oliver\_cheerful, gb\_oliver\_angry, gb\_jane\_sarcasm, gb\_jane\_confused, gb\_jane\_shameful, gb\_jane\_sad, gb\_jane\_neutral, gb\_jane\_jealousy, gb\_jane\_frustrated, gb\_jane\_curious, gb\_jane\_confident, fr\_marie\_sad, fr\_marie\_neutral, fr\_marie\_happy, fr\_marie\_excited, fr\_marie\_curious, fr\_marie\_angry | Alapértelmezett— | | Mező`response_format` | Típus`string` | KövetelményKötelező | Értékek és korlátok mp3 | Alapértelmezett— | Bemeneti anyagok kombinációi **text\_to\_speech** · Kötelező: input Metódus paraméterei és életciklusa | Paraméter | Szerződés | | --- | --- | | Paraméter`content_type` | Szerződésapplication/json | | Paraméter`required` | Szerződésmodel, input, voice, response\_format | | Paraméter`voice_ids` | Szerződésen\_paul\_sad, en\_paul\_neutral, en\_paul\_happy, en\_paul\_frustrated, en\_paul\_excited, en\_paul\_confident, en\_paul\_cheerful, en\_paul\_angry, gb\_oliver\_neutral, gb\_oliver\_sad, gb\_oliver\_excited, gb\_oliver\_curious, gb\_oliver\_confident, gb\_oliver\_cheerful, gb\_oliver\_angry, gb\_jane\_sarcasm, gb\_jane\_confused, gb\_jane\_shameful, gb\_jane\_sad, gb\_jane\_neutral, gb\_jane\_jealousy, gb\_jane\_frustrated, gb\_jane\_curious, gb\_jane\_confident, fr\_marie\_sad, fr\_marie\_neutral, fr\_marie\_happy, fr\_marie\_excited, fr\_marie\_curious, fr\_marie\_angry | | Paraméter`response_format` | Szerződésmp3 | | Paraméter`max_input_characters` | Szerződésnull | | Paraméter`other_options` | Szerződésfalse | | Paraméter`input` | Szerződéspontos UTF-8 szöveg; Unicode-karakterszám normalizálás nélkül | | Paraméter`material_types` | Szerződéstext | Életciklus: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · A ténylegesen visszaadott task\_id vagy a médiatár bejegyzése `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` E modell profiljából válassza ki a pontos hangot. A bemeneti karakterek és a hangmásodpercek külön mérési egységek. ### Díjcsomagok A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek. Gyors mód Nincs megadva Ha a gyors mód van kiválasztva Flex mód Nincs megadva Ha a flex mód van kiválasztva Maximális gondolkodási ráfordítás Nincs megadva Ha a maximális gondolkodási ráfordításra a default beállításhoz tartozó korrekció vonatkozik #### Ailoot-díjak #### Árak beállításonként Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon. | Beállítás | Díjtáblázat | Számlázható mennyiség | Elszámolási egység | Díj | | --- | --- | --- | --- | --- | | BeállításTokenek alapdíjai | DíjtáblázatAlapdíj | Számlázható mennyiség— | Elszámolási egység— | Díj Bemenet · Bemeneti tokenek **—** / 1K token Kimenet · Kimeneti tokenek **—** / 1K token Bemenet · Gyorsítótár olvasása **—** / 1K token Bemenet · Írás a gyorsítótárba **—** / 1K token Bemenet · Írás a gyorsítótárba, 1 óra **—** / 1K token | | BeállításUltra | Díjtáblázat— | Számlázható mennyiségMinden Unicode-kódpont egy karakternek számít, a Han-karaktereket is beleértve. | Elszámolási egység1K bemeneti karakterenként | Díj Bemenet · bemeneti karakter **$0.032** 1K bemeneti karakterenként | #### A referencia-díjszabás részletei A modellszintű referenciatáblázatok nem módosítják a metódusválasztást, az árajánlatokat vagy a díjakat. A tényleges díjak a kiválasztott Ailoot-metódus díjtételeit használják. Mistral: Voxtral Mini TTS #### Árak beállításonként | Beállítás | Elszámolási feltételek | Díj | | --- | --- | --- | | BeállításMistral: Voxtral Mini TTS · Alapértelmezett beállítások | Elszámolási feltételekAlapértelmezett konfiguráció | Díj Bemenet · Bemeneti karakterek **0,000032 USD** bemeneti karakterenként | Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. [A foglalás és az elszámolás működése →](https://ailoot.ai/docs/hu/billing/reserve/) ### Példakérések #### Ailoot Ultra · Felolvasás curl ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}" export AILOOT_VOICE_ID python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "mistralai/voxtral-mini-tts-2603", "input": "Good afternoon! This is a short voice take."}') voice=os.environ["AILOOT_VOICE_ID"] allowed=json.loads('["en_paul_sad", "en_paul_neutral", "en_paul_happy", "en_paul_frustrated", "en_paul_excited", "en_paul_confident", "en_paul_cheerful", "en_paul_angry", "gb_oliver_neutral", "gb_oliver_sad", "gb_oliver_excited", "gb_oliver_curious", "gb_oliver_confident", "gb_oliver_cheerful", "gb_oliver_angry", "gb_jane_sarcasm", "gb_jane_confused", "gb_jane_shameful", "gb_jane_sad", "gb_jane_neutral", "gb_jane_jealousy", "gb_jane_frustrated", "gb_jane_curious", "gb_jane_confident", "fr_marie_sad", "fr_marie_neutral", "fr_marie_happy", "fr_marie_excited", "fr_marie_curious", "fr_marie_angry"]') if voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile") p["voice"]=voice p["response_format"]="mp3" Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o speech.mp3 ``` ### Eredmények fogadása és mentése #### Ailoot Ultra · Felolvasás mp3 - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` További tartalomlekérések MédiatárFeladat állapotaMédiafájl részletei ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \ -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}" export AILOOT_MEDIA_TASK_ID resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))') curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \ -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("media-task.json").read_text()))) PY_RESULT ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}" export AILOOT_ASSET_ID resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))') curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \ -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("media-asset.json").read_text()))) PY_RESULT ``` ##### Őrizzen meg minden elkészült eredményt Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt. Őrizze meg a teljes bináris eredményt és a fejléceket. JSON vagy több kimenet esetén őrizzen meg minden adatelemet, és töltse le minden ténylegesen visszaadott, aláírt média-URL tartalmát. ##### Ha az eredeti választ ellenőrizni kell Őrizze meg az eredeti operation\_id/X-Client-Request-ID értéket az egyeztetéshez, újbóli beküldés nélkül; nincs külön hangállapot-lekérdezési útvonal. Válaszmezők | Mező | Típus | | --- | --- | | Mező`binary audio` | Típusbytes | | Mező`response headers` | Típusheaders | Hibák és következő lépések | Válasz | Feltétel | Következő lépés | | --- | --- | --- | | Válasz400 · `invalid_request_error` | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. | | Válasz`server_error` | FeltételA visszaadott válasz szerint a művelet vagy az eredmény ellenőrzést igényel | Következő lépésŐrizze meg az eredetileg visszaadott művelet- vagy feladatazonosítót, a kérés fejléceit és a választ; folytassa az eredeti művelet támogatott lekérdezéseit. Ne küldje be újra a létrehozási kérést. | ### Álnevek #### Modell álnevei **Ailoot Ultra** [`mistralai/voxtral-mini-tts-2603`](https://ailoot.ai/models/hu/#m=mistralai%2Fvoxtral-mini-tts-2603&route=Ultra&caller=mistralai%2Fvoxtral-mini-tts-2603&fmt=speech) #### Metódusútvonalak álnevei Használja a fent látható metódusútvonalakat. #### Kapcsolódó modellazonosítók [`mistralai/voxtral-mini-tts-2603`](https://ailoot.ai/models/hu/#m=mistralai%2Fvoxtral-mini-tts-2603&route=Ultra&caller=mistralai%2Fvoxtral-mini-tts-2603&fmt=speech) FAQ · Mistral: Voxtral Mini TTS Milyen bemenetek és eredmények érhetők el? `POST /v1/audio/speech` · `mistralai/voxtral-mini-tts-2603`: `text` → `audio` Mely mezőket használja a kérés? `POST /v1/audio/speech` · `mistralai/voxtral-mini-tts-2603`: `model`, `input`, `voice`, `response_format` Csatlakoztassa az Ailootot a Claude Code-hoz, OpenCode-hoz, Hermeshez vagy saját alkalmazásához. ## A vállalat és projektportfóliója A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. ## Vásároljon tokeneket kedvezménnyel. Előfizetési kedvezmény rendszeres munkához. Promókódok — akár 50% tokenvásárlási kedvezmény. Előfizetés Válasszon kedvezményes tarifát a rendszeres kéréseihez. Promókód akár 50%-ig Vásárláskor adja meg a kódot. Az ár az érvényes akció szerint újraszámolódik. Költségek az előzményekben Minden kéréshez megmarad a modell, a tokenek és az összeg. [Előfizetés kiválasztása](https://ailoot.ai/docs/hu/billing/subscriptions/) · [Modellárak megtekintése](https://ailoot.ai/models/hu/) ## Csatlakoztassa az API-t az értékesített termékéhez. SaaS, alkalmazások és botok — az Ailoot ajánlati feltételei és licencszerződése alapján. Viszonteladáshoz kérjen viszonteladói licencet. Kereskedelmi alkalmazás Építsen szöveg-, kép-, videó- és hanggenerálást szolgáltatása fizetős funkcióiba. Viszonteladói licenc Küldje el a projekt leírását és a hozzáférés módját. Kérjen írásos használati és viszonteladási feltételeket. Dokumentumok a weboldalon Az ajánlati feltételek, licencszerződés és adatkezelési szabályzat már a csatlakoztatás előtt elérhető. [Viszonteladói licenc kérése](mailto:support@ailoot.ai) · [Ajánlati feltételek és licencszerződés](https://ailoot.ai/legal/offer?lang=hu) ## Ailoot · A vállalat és projektportfóliója Az Ailoot felhalmozott működési tapasztalatra, széles ügyfélkörre, stabil szolgáltatásra és folyamatos KPI-ellenőrzésre épít. A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. Az Ailoot ezt a működési tapasztalatot használja az ügyfelek termékeiben, ágenseiben, alkalmazásaiban és automatizálásaiban elérhető AI-funkciók API-hozzáféréséhez.