Mistral: Voxtral Mini TTS

Voxtral TTS — модель генерации речи Mistral AI на 4 миллиарда параметров с адаптацией голоса по референсу на девяти языках. Она озвучивает подготовленный текст, поддерживает повторные или разовые голосовые промпты и потоковую выдачу, создавая аудио с частотой 24 кГц в документированных форматах.

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

О модели

Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.

Voxtral TTS — модель синтеза речи Mistral AI на 4 миллиарда параметров для генерации аудио по тексту и голосовому референсу. Страница производителя обозначает версию 2603 как voxtral-mini-tts-2603, а карточка выпущенных весов называется Voxtral 4B TTS 2603. Эта запись относится к указанному речевому выпуску, отдельно от понимания аудио Voxtral Small, транскрибации и более поздних моделей входа реального времени.

Выразительная речь и адаптация голоса

Модель предназначена для передачи пауз, ритма, интонации, акцента и эмоционального исполнения референсного голоса. Голос служит инструкцией звучания текста; обзор производителя не требует отдельных тегов просодии или эмоций и расшифровки референса. Исходный текст определяет слова, аудиореференс направляет подачу.

Обзор описывает адаптацию по аудио всего от двух до трёх секунд. Описание архитектуры рассматривает голосовые промпты от пяти до двадцати пяти секунд. Утверждения имеют разную область: пример короткой адаптации не требует кратчайшего референса. Выбирайте чистую речь, представляющую нужные стиль и акцент.

Выпущенная карточка включает двадцать готовых голосов и адаптацию к новым. Речевой сценарий производителя использует сохранённый голосовой профиль либо разовый референс. Сохранённый профиль позволяет повторно использовать референс в разных запросах, разовый клип задаёт его для текущей задачи. Профиль и сгенерированная запись — разные материалы.

Языки и межъязыковая подача

Выпуск поддерживает английский, французский, испанский, немецкий, итальянский, португальский, нидерландский, арабский и хинди; производитель описывает диалектные варианты, межъязыковой перенос голоса и смешение языков. Для лучшего результата руководство рекомендует совпадение языка референса и текста. Межъязыковой перенос может сохранить акцент референса при произнесении подготовленного текста на другом поддерживаемом языке.

Практическая задача повествования может использовать одну манеру голоса для объяснения на разных поддерживаемых языках с текстом под каждого слушателя. Ответ голосового ассистента может использовать короткий разговорный сценарий вместо чтения неотредактированного документа. TTS озвучивает подготовленные слова; перевод или написание ответа, создающие эти слова, — отдельный шаг.

Подготовка текста

Руководство производителя рекомендует текст, пригодный для произнесения. Записывайте числа и символы так, как они должны звучать, чтобы модель не выбирала между чтениями. Число может быть количеством, временем или идентификатором; определите слова до синтеза. Раскрывайте сокращения, когда произношение важно, используя отдельные буквы, если нужно именно такое чтение.

Избегайте сложного форматирования, эмодзи и специальных символов, которые не будут озвучены. Готовьте законченные предложения с нужными пунктуацией и словами. Руководство рекомендует промпты короче 300 слов для лучших результатов. Это рекомендация качества, а не объявленный жёсткий максимум входа.

В процедурном объяснении записывайте действие и условие понятным на слух предложением. В объявлении ставьте важную информацию перед необязательными подробностями. В голосовом ответе сохраняйте фактический ответ и убирайте экранное форматирование или обозначения источников, которые не нужно произносить. Так сценарий становится пригодным для аудио до того, как референс задаст стиль.

Поток, вывод и длительность

Производитель документирует обычную и потоковую выдачу и описывает встроенную генерацию до двух минут аудио. Карточка весов также перечисляет пакетный вывод для подготовки нескольких речевых задач. Более длинные сервисные генерации используют чередование, а не неограниченный отдельный нативный фрагмент. Для длинного повествования готовьте связные разделы с согласованными голосом и текстом в сценарии, управляющем продолжением.

Карточка задаёт аудио с частотой 24 кГц и форматы WAV, PCM, FLAC, MP3, AAC и Opus. Руководство сервиса рассматривает MP3 для сжатой выдачи, WAV для несжатого PCM, FLAC для сжатия без потерь и PCM или Opus для потока. Выберите формат, поддержанный подключённым сценарием и подходящий плееру или этапу обработки. Выбор формата и потоковое поведение отдельны от самой адаптации голоса.

Архитектура модели и практические границы

Анонс описывает авторегрессионную архитектуру flow-matching с основой Transformer decoder на 3,4 миллиарда параметров, акустическим Transformer на 390 миллионов параметров и нейронным аудиокодеком на 300 миллионов. Decoder предсказывает семантическое содержание, акустический компонент создаёт представление речи, кодек обрабатывает аудио. Эти компоненты объясняют приблизительное обозначение 4B; они не добавляют языки входа или другую модель генерации ответа.

Практический выход — синтезированная запись или поток, связанные с подготовленным сценарием и голосом. Сохраняйте эти связи между разделами, чтобы приложение правильно сохраняло, воспроизводило или собирало материал. Модель создаёт аудио, а не расшифровку, вектор семантического поиска или новый фактический ответ.

Сохраняйте речевую версию 2603, поддерживаемый язык и стиль референса. Прочитанные источники дают нативные две минуты и рекомендацию менее 300 слов, но не устанавливают отдельный жёсткий лимит символов или общей длительности склеенной записи. Определяйте готовый аудиоматериал по реальным требованиям текста, голоса и выдачи.

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

mistralai/voxtral-mini-tts-2603

Mistral /mistralai/voxtral-mini-tts-2603

Начало

Допустимые входные данные: Текст
Результаты: Аудио

Доступно в Ailoot · входные данные и методы

Ailoot Ultra · Озвучка POST /v1/audio/speech

Входные данные: text
Результат: audio
Выходной формат: mp3

Поле	Тип	Требование	Значения и ограничения	По умолчанию
Поле`model`	Тип`string`	ТребованиеОбязательно	Значения и ограничения mistralai/voxtral-mini-tts-2603	По умолчанию—
Поле`input`	Тип`string`	ТребованиеОбязательно	Значения и ограничения Минимальная длина: 1 Единица: символы Unicode	По умолчанию—
Поле`voice`	Тип`string`	ТребованиеОбязательно	Значения и ограничения 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	По умолчанию—
Поле`response_format`	Тип`string`	ТребованиеОбязательно	Значения и ограничения mp3	По умолчанию—

Сочетания входных материалов

text_to_speech · Обязательно: input

Параметры и жизненный цикл метода

Параметр	Контракт
Параметр`content_type`	Контрактapplication/json
Параметр`required`	Контрактmodel, input, voice, response_format
Параметр`voice_ids`	Контрактen_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
Параметр`response_format`	Контрактmp3
Параметр`max_input_characters`	Контрактnull
Параметр`other_options`	Контрактfalse
Параметр`input`	Контрактточный текст UTF-8; количество символов Unicode без нормализации
Параметр`material_types`	Контрактtext

Жизненный цикл: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Фактически возвращённый task_id или запись в медиатеке

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Выберите точный голос из профиля этой модели.

Входные символы и секунды аудио — разные единицы учёта.

Тарифы

Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.

Быстрый режим: Не указано При выборе быстрого режима
Режим flex: Не указано При выборе режима flex
Максимальная интенсивность рассуждений: Не указано При максимальной интенсивности рассуждений с корректировкой по умолчанию (default)

Ставки Ailoot

Цены по конфигурациям

Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.

Конфигурация	Шкала ставок	Оплачиваемое количество	Расчётная единица	Плата
КонфигурацияБазовые тарифы на токены	Шкала ставокБазовая ставка	Оплачиваемое количество—	Расчётная единица—	Плата Вход · Входные токены — / 1K токенов Выход · Выходные токены — / 1K токенов Вход · Чтение кэша — / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов
КонфигурацияUltra	Шкала ставок—	Оплачиваемое количествоКаждая кодовая точка Unicode считается одним символом, включая символы Han.	Расчётная единицаза 1K входных символов	Плата Вход · входной символ $0.032 за 1K входных символов

Сведения о справочном тарифе

Справочные шкалы модели не меняют выбор метода, расчёт стоимости или списания. Действующая плата определяется ставками выбранного метода Ailoot.

Mistral: Voxtral Mini TTS

Цены по конфигурациям

Конфигурация	Условия расчёта	Плата
КонфигурацияMistral: Voxtral Mini TTS · Стандартная конфигурация	Условия расчётаКонфигурация по умолчанию	Плата Вход · Входные символы 0,000032 $ за входной символ

Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →

Примеры запросов

Ailoot Ultra · Озвучка

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

Получить и сохранить результаты

Ailoot Ultra · Озвучка

mp3

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

Чтение другого содержимого

МедиатекаСтатус задачиСведения о материале

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

Сохраняйте все готовые результаты

Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.

Сохраняйте полный бинарный результат и заголовки. Если возвращаются JSON или несколько результатов, сохраняйте каждый элемент данных и загружайте ресурс по каждому фактически возвращённому подписанному URL.

Если нужно проверить исходный ответ

Сохраняйте исходный operation_id/X-Client-Request-ID для сверки без повторной отправки; отдельного маршрута опроса аудио нет.

Поля ответа

Поле	Тип
Поле`binary audio`	Типbytes
Поле`response headers`	Типheaders

Ошибки и дальнейшие шаги

Ответ	Условие	Следующий шаг
Ответ400 · `invalid_request_error`	УсловиеНеверные обязательные поля, представление материалов или значение параметра	Следующий шагИсправьте указанные поля перед новым запросом на создание.
Ответ`server_error`	УсловиеВозвращённый ответ указывает, что операция или результат требуют проверки	Следующий шагСохраните исходный возвращённый ID операции или задачи, заголовки запроса и ответ; продолжайте поддерживаемые операции чтения исходной операции. Не отправляйте запрос создания повторно.

Псевдонимы

Псевдонимы моделей

Ailoot Ultra mistralai/voxtral-mini-tts-2603

Псевдонимы путей метода

Используйте пути методов, указанные выше.

Связанные ID для вызова

mistralai/voxtral-mini-tts-2603

FAQ · Mistral: Voxtral Mini TTS

Какие входные данные и результаты доступны?: POST /v1/audio/speech · mistralai/voxtral-mini-tts-2603: text → audio
Какие поля использует запрос?: POST /v1/audio/speech · mistralai/voxtral-mini-tts-2603: model, input, voice, response_format

Mistral: Voxtral Mini TTS