Mistral: Voxtral Mini TTS

Voxtral TTS는 9개 언어에서 참조 기반 목소리 적응을 제공하는 Mistral AI의 40억 매개변수 음성 생성 모델입니다. 준비된 텍스트를 표현력 있는 오디오로 바꾸고 재사용 또는 일회성 음성 프롬프트와 스트리밍을 지원하며, 문서상의 오디오 형식으로 24 kHz 출력을 생성합니다.

Ailoot Ultra · 음성 합성 POST /v1/audio/speech mistralai/voxtral-mini-tts-2603

모델 소개

이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.

Voxtral TTS는 텍스트와 목소리 참조로 음성 오디오를 생성하는 Mistral AI의 40억 매개변수 텍스트 음성 변환 모델입니다. 제조사의 모델 페이지는 2603 버전을 voxtral-mini-tts-2603으로 식별하고 공개된 가중치 카드는 Voxtral 4B TTS 2603이라는 이름을 사용합니다. 이 항목은 해당 음성 생성 릴리스에 관한 것으로 Voxtral Small의 오디오 이해, 전사, 이후의 실시간 입력 모델과 구분됩니다.

표현력 있는 음성과 목소리 적응

이 모델은 참조 목소리의 멈춤, 리듬, 억양, 악센트, 감정 표현을 포착하도록 설계되었습니다. 목소리는 텍스트가 어떻게 들려야 하는지에 대한 지시로 작동합니다. 제조사 개요는 별도의 운율·감정 태그나 참조 녹음의 전사문을 요구하지 않습니다. 원문이 말할 내용을 결정하고 오디오 참조가 표현을 유도합니다.

개요는 불과 2~3초의 오디오로 목소리를 적응시키는 것을 설명합니다. 구조 설명은 5~25초의 음성 프롬프트를 다룹니다. 두 설명은 범위가 다릅니다. 짧은 적응 예제가 가능한 가장 짧은 참조를 사용해야 한다는 요구는 아닙니다. 최종 결과에 원하는 스타일과 억양을 대표하는 명확한 발화를 선택하세요.

공개 카드에는 20개의 사전 설정 목소리와 새 목소리 적응이 포함됩니다. 제조사의 음성 워크플로는 저장된 목소리 프로필이나 일회성 참조 클립을 사용할 수 있습니다. 프로필을 저장하면 별도의 음성 요청에서 같은 목소리 참조를 재사용할 수 있고 일회성 클립은 현재 작업에 참조를 제공합니다. 프로필과 생성된 녹음은 서로 다른 결과물입니다.

언어와 언어 간 표현

릴리스는 영어, 프랑스어, 스페인어, 독일어, 이탈리아어, 포르투갈어, 네덜란드어, 아랍어, 힌디어를 지원하며 제조사는 방언 차이, 언어 간 목소리 전이, 코드 혼합을 설명합니다. 최상의 결과를 위해 음성 안내는 참조 언어와 텍스트 언어를 맞추도록 권장합니다. 언어 간 전이는 준비된 텍스트를 다른 지원 언어로 말하면서 참조의 억양을 유지할 수 있습니다.

실용적인 내레이션은 서로 다른 지원 언어의 설명에 같은 목소리 스타일을 사용하고 각 텍스트를 의도한 청취자에게 맞춰 준비할 수 있습니다. 음성 어시스턴트 응답은 편집되지 않은 문서를 읽기보다 짧은 대화체 대본을 사용할 수 있습니다. 텍스트 음성 변환 모델은 준비된 단어를 표현하며 그 단어를 만드는 번역이나 답변 작성은 별도 단계입니다.

텍스트 준비

제조사의 음성 안내는 발화할 수 있는 텍스트를 권장합니다. 모델이 가능한 여러 읽기 중에서 고를 필요가 없도록 숫자와 기호를 말할 형태로 쓰세요. 숫자는 수량, 시간, 식별자일 수 있습니다. 합성 전에 의도한 발화 문구를 정의하세요. 발음이 중요하면 약어를 풀어 쓰고 한 글자씩 읽어야 할 때는 글자를 분리하세요.

발화 내용으로 표현되지 않을 서식, 이모지, 특수 문자를 피하세요. 표현에 필요한 문장부호와 문구를 갖춘 완결된 문장을 준비하세요. 안내는 최상의 결과를 위해 300단어 미만의 프롬프트를 권장합니다. 이는 품질 권장사항이며 선언된 엄격한 최대 입력 길이가 아닙니다.

절차 설명은 청취자가 따라갈 수 있는 문장에 행동과 조건을 쓰세요. 공지는 선택적인 세부 내용보다 중요한 정보를 먼저 배치하세요. 음성 응답은 사실적 답변을 유지하고 말해서는 안 되는 화면 전용 서식이나 출처 표기를 제거하세요. 이 준비는 참조가 스타일을 결정하기 전에 대본 자체를 오디오에 적합하게 만듭니다.

스트리밍, 출력, 길이

제조사는 기본 및 스트리밍 전달을 문서화하고 기본 생성에서 최대 2분의 오디오를 설명합니다. 공개 가중치 카드는 여러 음성 작업을 준비하는 배치 추론도 나열합니다. 더 긴 서비스 생성은 하나의 기본 청크를 무제한으로 취급하지 않고 인터리빙을 사용합니다. 긴 내레이션은 내용이 이어지는 구간을 준비하고 이어서 생성하는 전달 워크플로에 맞춰 목소리와 텍스트 준비를 일관되게 유지하세요.

공개 카드는 24 kHz 오디오를 지정하며 WAV, PCM, FLAC, MP3, AAC, Opus 출력 형식을 명시합니다. 음성 서비스 안내는 압축 전달용 MP3, 비압축 PCM용 WAV, 무손실 압축용 FLAC, 스트리밍용 PCM 또는 Opus를 설명합니다. 연결된 워크플로에서 지원하고 플레이어나 처리 단계에 적합한 형식을 선택하세요. 형식 선택과 스트리밍 동작은 목소리 적응 자체와 구분됩니다.

모델 구조와 실용적 범위

발표는 34억 매개변수 Transformer 디코더 기반, 3억 9천만 매개변수 음향 Transformer, 3억 매개변수 신경망 오디오 코덱을 갖춘 자기회귀·플로 매칭 구조를 설명합니다. 디코더는 의미 내용을 예측하고 음향 구성 요소는 음성 표현을 생성하며 코덱은 오디오를 처리합니다. 이러한 구성 요소는 약 40억이라는 모델 표기를 설명하며 추가 입력 언어나 다른 답변 생성 모델이 아닙니다.

실용적인 출력은 준비된 대본과 선택한 목소리에 연결된 합성 녹음이나 오디오 스트림입니다. 여러 구간을 생성할 때 연결을 유지해 애플리케이션이 올바른 자료를 저장, 재생, 조립할 수 있게 하세요. 모델은 전사문, 의미 검색 벡터, 새로 작성한 사실 답변이 아니라 오디오를 만듭니다.

2603 음성 버전, 지원 언어, 참조 스타일을 유지하세요. 읽은 출처는 기본 2분 생성 설명과 300단어 미만 준비 권고를 제공하지만 별도의 엄격한 텍스트 문자 수 상한이나 전체 연결 녹음 시간을 확립하지는 않습니다. 실제 텍스트, 목소리, 전달 요구사항으로 완성 오디오 결과물을 정의하세요.

Ailoot Ultra · 음성 합성 POST /v1/audio/speech mistralai/voxtral-mini-tts-2603

mistralai/voxtral-mini-tts-2603

Mistral /mistralai/voxtral-mini-tts-2603

시작하기

허용 입력: 텍스트
결과: 오디오

Ailoot에서 사용 가능 · 입력 및 메서드

Ailoot Ultra · 음성 합성 POST /v1/audio/speech

입력: text
출력: audio
출력 형식: mp3

필드	유형	요건	값과 한도	기본값
필드`model`	유형`string`	요건필수	값과 한도 mistralai/voxtral-mini-tts-2603	기본값—
필드`input`	유형`string`	요건필수	값과 한도 최소 길이: 1 단위: Unicode 문자	기본값—
필드`voice`	유형`string`	요건필수	값과 한도 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	기본값—
필드`response_format`	유형`string`	요건필수	값과 한도 mp3	기본값—

입력 자료 조합

text_to_speech · 필수: input

메서드 매개변수와 수명 주기

매개변수	명세
매개변수`content_type`	명세application/json
매개변수`required`	명세model, input, voice, response_format
매개변수`voice_ids`	명세en_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
매개변수`response_format`	명세mp3
매개변수`max_input_characters`	명세null
매개변수`other_options`	명세false
매개변수`input`	명세정확한 UTF-8 텍스트; 정규화 없이 계산한 유니코드 문자 수
매개변수`material_types`	명세text

수명 주기: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · 실제로 반환된 task_id 또는 미디어 라이브러리 기록

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

이 모델 프로필에 있는 정확한 음성을 선택하세요.

입력 문자 수와 오디오 초는 서로 다른 측정 단위입니다.

요금

요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.

빠른 모드: 미지정 빠른 모드를 선택한 경우
Flex 모드: 미지정 flex 모드를 선택한 경우
최대 추론 수준: 미지정 최대 추론 수준에 default 조정값을 적용하는 경우

Ailoot 요금

설정별 가격

각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.

설정	요금표	과금 대상 수량	과금 단위	요금
설정기본 토큰 요금	요금표기본 요금	과금 대상 수량—	과금 단위—	요금 입력 · 입력 토큰 — / 1K 토큰 출력 · 출력 토큰 — / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰
설정Ultra	요금표—	과금 대상 수량한자를 포함해 Unicode 코드 포인트 하나를 문자 하나로 계산합니다.	과금 단위입력 문자 1K개당	요금 입력 · 입력 문자 $0.032 입력 문자 1K개당

참조 요금 상세 정보

모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.

Mistral: Voxtral Mini TTS

설정별 가격

설정	과금 조건	요금
설정Mistral: Voxtral Mini TTS · 기본 설정	과금 조건기본 설정	요금 입력 · 입력 문자 수 US$0.000032 입력 문자당

Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →

요청 예제

Ailoot Ultra · 음성 합성

curl

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

결과 수신 및 저장

Ailoot Ultra · 음성 합성

mp3

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

기타 콘텐츠 조회

미디어 라이브러리작업 상태자산 세부 정보

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

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

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

완료된 결과 모두 보관

반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.

바이너리 결과 전체와 헤더를 보관하세요. JSON 또는 여러 출력이 반환되면 모든 데이터 항목을 보관하고 실제로 반환된 서명된 자산 URL을 각각 조회하세요.

원래 응답을 확인해야 할 경우

다시 제출하지 말고 정산 대조를 위해 최초 operation_id/X-Client-Request-ID를 보관하세요. 전용 오디오 폴링 라우트는 없습니다.

응답 필드

필드	유형
필드`binary audio`	유형bytes
필드`response headers`	유형headers

오류와 다음 단계

응답	조건	다음 단계
응답400 · `invalid_request_error`	조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음	다음 단계새 생성 요청 전에 표시된 필드를 수정하세요.
응답`server_error`	조건반환된 응답에 작업 또는 결과 확인이 필요하다고 표시되어 있습니다	다음 단계최초로 반환된 작업/태스크 ID, 요청 헤더와 응답을 보관하고, 지원되는 조회 방식으로 해당 최초 작업을 계속 조회하세요. 생성 요청을 다시 제출하지 마세요.

별칭

모델 별칭

Ailoot Ultra mistralai/voxtral-mini-tts-2603

메서드 경로 별칭

위에 표시된 메서드 경로를 사용하세요.

Mistral: Voxtral Mini TTS