Source: https://ailoot.ai/models/id/mistralai-voxtral-mini-tts-2603/
Canonical: https://ailoot.ai/models/id/mistralai-voxtral-mini-tts-2603/
Language: id

# Mistral: Voxtral Mini TTS

[Markdown](https://ailoot.ai/models/id/mistralai-voxtral-mini-tts-2603/index.md) · [JSON](https://ailoot.ai/models/id/mistralai-voxtral-mini-tts-2603/facts.json)

## [Mistral: Voxtral Mini TTS](https://ailoot.ai/models/id/mistralai-voxtral-mini-tts-2603/)

Voxtral TTS adalah model generasi ucapan 4B dari Mistral AI dengan adaptasi suara berbasis referensi dalam sembilan bahasa. Model ini mengubah teks yang disiapkan menjadi audio ekspresif, mendukung prompt suara sekali pakai atau yang dapat digunakan kembali serta streaming, dan menghasilkan keluaran 24 kHz dalam format audio yang didokumentasikan.

- [**Ailoot Ultra · Sintesis ucapan** `POST /v1/audio/speech` `mistralai/voxtral-mini-tts-2603`](https://ailoot.ai/models/id/mistralai-voxtral-mini-tts-2603/#method-0)

Tentang model

Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.

Voxtral TTS adalah model teks ke suara 4B Mistral AI untuk menghasilkan audio ucapan dari teks dan referensi suara. Halaman model pembuatnya mengidentifikasi edisi 2603 sebagai voxtral-mini-tts-2603, sedangkan kartu bobot yang dirilis bernama Voxtral 4B TTS 2603. Entri ini membahas rilis generasi ucapan tersebut, terpisah dari pemahaman audio Voxtral Small, transkripsi, dan model masukan waktu nyata yang lebih baru.

Ucapan ekspresif dan adaptasi suara

Model ini dirancang untuk menangkap jeda, irama, intonasi, aksen, dan ekspresi emosional suara referensi. Suara bertindak sebagai instruksi mengenai bunyi teks; ikhtisar pembuatnya tidak mewajibkan tag prosodi atau emosi terpisah, maupun transkrip rekaman referensi. Teks sumber menentukan apa yang dikatakan, sedangkan referensi audio memandu penyampaiannya.

Ikhtisar menjelaskan adaptasi suara dari audio sepanjang dua hingga tiga detik saja. Deskripsi arsitektur membahas prompt suara sepanjang lima hingga dua puluh lima detik. Pernyataan ini memiliki cakupan berbeda: contoh adaptasi singkat bukan keharusan menggunakan referensi sesingkat mungkin. Pilih ucapan yang jelas dan mewakili gaya serta aksen yang diinginkan untuk hasil akhir.

Kartu rilis mencakup dua puluh suara prasetel dan adaptasi ke suara baru. Alur kerja ucapan pembuatnya dapat memakai profil suara tersimpan atau klip referensi sekali pakai. Menyimpan profil memungkinkan referensi suara yang sama digunakan kembali dalam permintaan ucapan terpisah, sedangkan klip sekali pakai menyediakannya untuk tugas saat ini. Profil dan rekaman yang dihasilkan merupakan artefak berbeda.

Bahasa dan penyampaian lintas bahasa

Rilis ini mendukung bahasa Inggris, Prancis, Spanyol, Jerman, Italia, Portugis, Belanda, Arab, dan Hindi, dengan variasi dialek, transfer suara lintas bahasa, dan pencampuran kode yang dijelaskan pembuatnya. Untuk hasil terbaik, panduan ucapan menyarankan mencocokkan bahasa referensi dengan bahasa teks. Transfer lintas bahasa dapat mempertahankan aksen referensi sambil mengucapkan teks yang disiapkan dalam bahasa lain yang didukung.

Tugas narasi praktis dapat menggunakan gaya suara yang sama untuk penjelasan dalam berbagai bahasa yang didukung, dengan setiap teks disiapkan untuk pendengar yang dituju. Balasan asisten suara dapat memakai naskah percakapan singkat, alih-alih membacakan dokumen yang belum disunting. Model teks ke suara mewujudkan kata-kata yang disiapkan; tahap penerjemahan atau penulisan jawaban yang menghasilkan kata-kata tersebut merupakan langkah terpisah.

Menyiapkan teks

Panduan ucapan pembuatnya menyarankan teks yang dapat diucapkan. Tulis angka dan simbol dalam bentuk yang seharusnya diucapkan agar model tidak perlu memilih di antara beberapa kemungkinan pembacaan. Angka dapat berupa besaran, waktu, atau pengenal; tentukan susunan kata lisan yang dimaksud sebelum sintesis. Jabarkan singkatan ketika pelafalan penting, dengan huruf yang dipisahkan jika itulah pembacaan yang dimaksud.

Hindari pemformatan kaya, emoji, dan karakter khusus yang tidak akan diwujudkan sebagai konten lisan. Siapkan kalimat lengkap dengan tanda baca dan susunan kata yang diperlukan untuk penyampaian. Panduan menyarankan prompt di bawah 300 kata untuk hasil terbaik. Ini merupakan rekomendasi kualitas, bukan batas maksimum panjang masukan yang dinyatakan.

Untuk penjelasan prosedural, tulis tindakan dan kondisi dalam kalimat yang dapat diikuti pendengar. Untuk pengumuman, tempatkan informasi penting sebelum detail opsional. Untuk balasan suara, pertahankan jawaban faktual dan hapus format khusus tampilan atau notasi sumber yang tidak boleh diucapkan. Persiapan ini membuat naskah itu sendiri sesuai untuk audio sebelum referensi menentukan gayanya.

Streaming, keluaran, dan durasi

Pembuatnya mendokumentasikan penyampaian dasar dan streaming serta menjelaskan generasi bawaan hingga dua menit audio. Kartu bobot yang dirilis juga mencantumkan inferensi batch untuk menyiapkan beberapa tugas ucapan. Generasi layanan yang lebih panjang menggunakan interleaving, alih-alih menganggap satu potongan bawaan tidak berbatas. Untuk narasi yang lebih panjang, siapkan bagian yang koheren dan jaga konsistensi persiapan suara serta teks dengan alur kerja penyampaian yang menangani kelanjutan.

Kartu rilis menetapkan audio 24 kHz dan menyebut format keluaran WAV, PCM, FLAC, MP3, AAC, serta Opus. Panduan layanan ucapan membahas MP3 untuk penyampaian terkompresi, WAV untuk PCM tanpa kompresi, FLAC untuk kompresi tanpa kehilangan kualitas, serta PCM atau Opus untuk streaming. Pilih format yang didukung alur kerja yang terhubung dan sesuai untuk pemutar atau tahap pemrosesannya. Pemilihan format dan perilaku streaming terpisah dari adaptasi suara itu sendiri.

Arsitektur model dan batas praktis

Pengumuman menjelaskan arsitektur autoregresif dengan flow matching, yang memiliki inti dekoder Transformer berparameter 3,4 miliar, Transformer akustik berparameter 390 juta, dan codec audio neural berparameter 300 juta. Dekoder memprediksi konten semantik dan komponen akustik menghasilkan representasi ucapan, sedangkan codec menangani audio. Komponen ini menjelaskan label model sekitar 4B; komponen tersebut bukan bahasa masukan tambahan atau model generasi jawaban yang berbeda.

Keluaran praktis berupa rekaman hasil sintesis atau aliran audio yang dikaitkan dengan naskah yang disiapkan dan suara pilihan. Pertahankan kaitan itu saat menghasilkan beberapa bagian agar aplikasi dapat menyimpan, memutar, atau merangkai materi yang benar. Model menghasilkan audio, bukan transkrip, vektor pencarian semantik, atau jawaban faktual yang baru ditulis.

Pertahankan edisi ucapan 2603, bahasa yang didukung, dan gaya referensi. Sumber yang dibaca memberikan pernyataan bawaan dua menit dan rekomendasi persiapan di bawah 300 kata, tetapi tidak menetapkan batas maksimum karakter teks tersendiri atau total durasi rekaman yang dirangkai. Gunakan teks, suara, dan kebutuhan penyampaian sebenarnya untuk menentukan artefak audio akhir.

**Ailoot Ultra · Sintesis ucapan** `POST /v1/audio/speech` `mistralai/voxtral-mini-tts-2603`

[`mistralai/voxtral-mini-tts-2603`](https://ailoot.ai/models/id/#m=mistralai%2Fvoxtral-mini-tts-2603&route=Ultra&caller=mistralai%2Fvoxtral-mini-tts-2603&fmt=speech)

Mistral /`mistralai/voxtral-mini-tts-2603`

### Mulai

Voxtral TTS adalah model generasi ucapan 4B dari Mistral AI dengan adaptasi suara berbasis referensi dalam sembilan bahasa. Model ini mengubah teks yang disiapkan menjadi audio ekspresif, mendukung prompt suara sekali pakai atau yang dapat digunakan kembali serta streaming, dan menghasilkan keluaran 24 kHz dalam format audio yang didokumentasikan.

Masukan yang diterima

Teks

Hasil

Audio

### Tersedia di Ailoot · masukan & metode

**Ailoot Ultra · Sintesis ucapan** `POST /v1/audio/speech`

Masukan

`text`

Keluaran

`audio`

Format keluaran

mp3

| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
| --- | --- | --- | --- | --- |
| Kolom`model` | Jenis`string` | PersyaratanWajib | Nilai & batasan mistralai/voxtral-mini-tts-2603 | Bawaan— |
| Kolom`input` | Jenis`string` | PersyaratanWajib | Nilai & batasan Panjang minimum: 1 Satuan: karakter Unicode | Bawaan— |
| Kolom`voice` | Jenis`string` | PersyaratanWajib | Nilai & batasan 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 | Bawaan— |
| Kolom`response_format` | Jenis`string` | PersyaratanWajib | Nilai & batasan mp3 | Bawaan— |

Kombinasi bahan masukan

**text\_to\_speech** · Wajib: input

Parameter metode dan siklus hidup

| Parameter | Kontrak |
| --- | --- |
| Parameter`content_type` | Kontrakapplication/json |
| Parameter`required` | Kontrakmodel, input, voice, response\_format |
| Parameter`voice_ids` | Kontraken\_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 |
| Parameter`response_format` | Kontrakmp3 |
| Parameter`max_input_characters` | Kontraknull |
| Parameter`other_options` | Kontrakfalse |
| Parameter`input` | Kontrakteks UTF-8 persis; jumlah karakter Unicode tanpa normalisasi |
| Parameter`material_types` | Kontraktext |

Siklus hidup: `synchronous_result_then_owned_library`

`GET /v1/media/tasks/{task_id}` · task\_id aktual yang dikembalikan atau catatan pustaka media

`GET /v1/media/assets/{asset_id}/content`

`GET /v1/media/assets`

`GET /v1/media/assets/{asset_id}`

Pilih suara yang tepat dari profil model ini.

Karakter masukan dan detik audio merupakan satuan pengukuran yang berbeda.

### Paket

Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.

Mode Fast

Tidak ditentukan Saat mode fast dipilih

Mode Flex

Tidak ditentukan Saat mode flex dipilih

Upaya penalaran maksimum

Tidak ditentukan Saat upaya penalaran maksimum menggunakan penyesuaian default

#### Tarif Ailoot

#### Harga menurut konfigurasi

Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.

| Konfigurasi | Jadwal tarif | Jumlah yang ditagihkan | Satuan penagihan | Biaya |
| --- | --- | --- | --- | --- |
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Jumlah yang ditagihkan— | Satuan penagihan— | Biaya Masukan · Token masukan **—** / 1K token Keluaran · Token keluaran **—** / 1K token Masukan · Pembacaan cache **—** / 1K token Masukan · Penulisan cache **—** / 1K token Masukan · Penulisan cache, 1 jam **—** / 1K token |
| KonfigurasiUltra | Jadwal tarif— | Jumlah yang ditagihkanSetiap titik kode Unicode dihitung sebagai satu karakter, termasuk karakter Han. | Satuan penagihanper 1K karakter masukan | Biaya Masukan · karakter masukan **$0.032** per 1K karakter masukan |

#### Detail tarif referensi

Jadwal referensi tingkat model tidak mengubah pemilihan metode, estimasi harga, atau biaya. Biaya aktif menggunakan tarif metode Ailoot yang dipilih.

Mistral: Voxtral Mini TTS

#### Harga menurut konfigurasi

| Konfigurasi | Kondisi penagihan | Biaya |
| --- | --- | --- |
| KonfigurasiMistral: Voxtral Mini TTS · Konfigurasi bawaan | Kondisi penagihanKonfigurasi bawaan | Biaya Masukan · Karakter masukan **US$0,000032** per karakter masukan |

Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. [Cara kerja cadangan dan penyelesaian tagihan →](https://ailoot.ai/docs/id/billing/reserve/)

### Contoh permintaan

#### Ailoot Ultra · Sintesis ucapan

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
```

### Terima dan simpan hasil

#### Ailoot Ultra · Sintesis ucapan

mp3

- `GET /v1/media/tasks/{task_id}`
- `GET /v1/media/assets/{asset_id}/content`
- `GET /v1/media/assets`
- `GET /v1/media/assets/{asset_id}`

Pembacaan konten lain

Pustaka mediaStatus tugasDetail aset

```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
```

##### Simpan semua hasil yang selesai

Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.

Simpan hasil biner dan header secara lengkap. Jika JSON atau beberapa keluaran dikembalikan, simpan setiap item data dan ambil data dari setiap URL aset bertanda tangan yang benar-benar dikembalikan.

##### Jika respons asli perlu diperiksa

Simpan operation\_id/X-Client-Request-ID asli untuk rekonsiliasi tanpa pengiriman ulang; tidak ada rute polling khusus audio.

Kolom respons

| Kolom | Jenis |
| --- | --- |
| Kolom`binary audio` | Jenisbytes |
| Kolom`response headers` | Jenisheaders |

Kesalahan dan langkah berikutnya

| Respons | Kondisi | Langkah berikutnya |
| --- | --- | --- |
| Respons400 · `invalid_request_error` | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
| Respons`server_error` | KondisiRespons yang dikembalikan menyatakan bahwa operasi atau hasil perlu diperiksa | Langkah berikutnyaSimpan ID operasi/tugas asli yang dikembalikan, header permintaan, dan respons; lanjutkan pembacaan yang didukung untuk operasi asli tersebut. Jangan kirim ulang permintaan pembuatan. |

### Alias

#### Alias model

**Ailoot Ultra** [`mistralai/voxtral-mini-tts-2603`](https://ailoot.ai/models/id/#m=mistralai%2Fvoxtral-mini-tts-2603&route=Ultra&caller=mistralai%2Fvoxtral-mini-tts-2603&fmt=speech)

#### Alias jalur metode

Gunakan jalur metode yang ditampilkan di atas.

#### ID pemanggil terkait

[`mistralai/voxtral-mini-tts-2603`](https://ailoot.ai/models/id/#m=mistralai%2Fvoxtral-mini-tts-2603&route=Ultra&caller=mistralai%2Fvoxtral-mini-tts-2603&fmt=speech)

FAQ · Mistral: Voxtral Mini TTS

Input dan hasil apa yang tersedia?

`POST /v1/audio/speech` · `mistralai/voxtral-mini-tts-2603`: `text` → `audio`

Kolom apa yang digunakan permintaan?

`POST /v1/audio/speech` · `mistralai/voxtral-mini-tts-2603`: `model`, `input`, `voice`, `response_format`

Hubungkan Ailoot ke Claude Code, OpenCode, Hermes, atau aplikasi Anda.

## Perusahaan dan portofolio proyeknya

Perusahaan dan portofolio proyeknya: jutaan pelanggan; penjualan miliaran setiap bulan.

## Beli token dengan diskon.

Diskon langganan untuk pekerjaan rutin. Kode promo — hingga 50% untuk pembelian token.

Langganan

Pilih paket dengan diskon untuk permintaan rutin Anda.

Kode promo hingga 50%

Masukkan kode saat membeli. Harga dihitung ulang sesuai promosi aktif.

Biaya dalam riwayat

Model, token, dan jumlah tagihan disimpan untuk setiap permintaan.

[Pilih langganan](https://ailoot.ai/docs/id/billing/subscriptions/) · [Lihat harga model](https://ailoot.ai/models/id/)

## Hubungkan API ke produk yang Anda jual.

SaaS, aplikasi, dan bot — sesuai penawaran dan perjanjian lisensi Ailoot. Untuk penjualan kembali, mintalah lisensi reseller.

Aplikasi komersial

Integrasikan pembuatan teks, gambar, video, dan suara dalam fitur berbayar layanan Anda.

Lisensi reseller

Kirim deskripsi proyek dan skema akses. Mintalah ketentuan penggunaan dan penjualan kembali secara tertulis.

Dokumen di situs

Penawaran, perjanjian lisensi, dan kebijakan pemrosesan data tersedia sebelum koneksi.

[Minta lisensi reseller](mailto:support@ailoot.ai) · [Penawaran dan perjanjian lisensi](https://ailoot.ai/legal/offer?lang=id)

## Ailoot · Perusahaan dan portofolio proyeknya





Ailoot bertumpu pada pengalaman operasional yang teruji, basis pelanggan yang besar, layanan yang stabil, dan pemantauan KPI berkelanjutan.





Perusahaan dan portofolio proyeknya: jutaan pelanggan; penjualan miliaran setiap bulan.





Ailoot memanfaatkan pengalaman operasional ini untuk akses API ke fitur AI dalam produk pelanggan, agen, aplikasi, dan otomatisasi.