Source: https://ailoot.ai/models/sv/mistralai-voxtral-mini-tts-2603/ Canonical: https://ailoot.ai/models/sv/mistralai-voxtral-mini-tts-2603/ Language: sv # Mistral: Voxtral Mini TTS [Markdown](https://ailoot.ai/models/sv/mistralai-voxtral-mini-tts-2603/index.md) · [JSON](https://ailoot.ai/models/sv/mistralai-voxtral-mini-tts-2603/facts.json) ## [Mistral: Voxtral Mini TTS](https://ailoot.ai/models/sv/mistralai-voxtral-mini-tts-2603/) Voxtral TTS är Mistral AI:s talgenereringsmodell med 4B parametrar och referensbaserad röstanpassning på nio språk. Den omvandlar förberedd text till uttrycksfullt ljud, stöder återanvändbara eller tillfälliga röstpromptar och strömning och skapar utdata vid 24 kHz i dokumenterade ljudformat. - [**Ailoot Ultra · Talproduktion** `POST /v1/audio/speech` `mistralai/voxtral-mini-tts-2603`](https://ailoot.ai/models/sv/mistralai-voxtral-mini-tts-2603/#method-0) Om modellen Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden. Voxtral TTS är Mistral AI:s text-till-tal-modell med 4B parametrar för att generera talat ljud från text och en röstreferens. Tillverkarens modellsida identifierar 2603-versionen som voxtral-mini-tts-2603, medan det släppta viktkortet heter Voxtral 4B TTS 2603. Den här posten gäller denna talgenereringsutgåva, separat från Voxtral Small för ljudförståelse, transkribering och senare modeller för realtidsindata. Uttrycksfullt tal och röstanpassning Modellen är utformad för att fånga en referensrösts pauser, rytm, intonation, accent och känslomässiga återgivning. Rösten fungerar som en instruktion för hur texten ska låta; tillverkarens översikt kräver inte separata prosodi- eller känslotaggar eller en transkription av referensinspelningen. Källtexten bestämmer vad som sägs, medan ljudreferensen styr framförandet. Översikten beskriver anpassning av en röst från så lite som två till tre sekunders ljud. Arkitekturbeskrivningen diskuterar röstpromptar på fem till tjugofem sekunder. Påståendena har olika omfattning: ett exempel på kort anpassning är inte ett krav att använda kortast möjliga referens. Välj tydligt tal som representerar den stil och accent som önskas i slutresultatet. Det släppta kortet omfattar tjugo förinställda röster och anpassning till nya röster. Tillverkarens talarbetsflöde kan använda en sparad röstprofil eller ett tillfälligt referensklipp. Att spara en profil låter samma röstreferens återanvändas i separata talbegäranden, medan ett tillfälligt klipp tillhandahåller den för den aktuella uppgiften. En profil och en genererad inspelning är olika leveranser. Språk och framförande mellan språk Utgåvan stöder engelska, franska, spanska, tyska, italienska, portugisiska, nederländska, arabiska och hindi, med dialektvariation, röstöverföring mellan språk och språkblandning beskrivna av tillverkaren. För bästa resultat rekommenderar talguiden att referensens språk matchas med textens språk. Överföring mellan språk kan bevara referensens accent medan den förberedda texten uttalas på ett annat språk som stöds. En praktisk berättarröstuppgift kan använda samma röststil för en förklaring på olika språk som stöds, med varje text förberedd för avsedd lyssnare. Ett röstassistentsvar kan använda ett kort samtalsmanus i stället för att läsa upp ett oredigerat dokument. Text-till-tal-modellen återger de förberedda orden; varje översättnings- eller svarsskrivningssteg som producerar dessa ord är ett separat steg. Förberedelse av texten Tillverkarens talguide rekommenderar text som går att uttala. Skriv tal och symboler i den form som ska sägas så att modellen inte behöver välja mellan möjliga läsningar. Ett tal kan vara en mängd, en tid eller en identifierare; definiera den avsedda talade ordalydelsen före syntesen. Skriv ut förkortningar när uttalet är viktigt och använd separerade bokstäver där det är den avsedda läsningen. Undvik avancerad formatering, emojier och specialtecken som inte ska återges som talat innehåll. Förbered fullständiga meningar med den interpunktion och ordalydelse som framförandet behöver. Guiden rekommenderar promptar under 300 ord för bästa resultat. Det är en kvalitetsrekommendation, inte en angiven hård gräns för indatalängd. Skriv handlingen och villkoret i en mening som lyssnaren kan följa för en procedurförklaring. Placera viktig information före valfria detaljer i ett utrop. Behåll det faktiska svaret för en röstrespons och ta bort formatering enbart för visning eller källnotation som inte ska läsas upp. Förberedelserna gör själva manuset lämpligt för ljud innan referensen bestämmer stilen. Strömning, utdata och längd Tillverkaren dokumenterar grundläggande och strömmande leverans och beskriver inbyggd generering av upp till två minuters ljud. Det släppta viktkortet listar också batchinferens för att förbereda flera taluppgifter. Längre genereringar i tjänsten använder sammanflätning i stället för att behandla en inbyggd del som obegränsad. För längre berättarröst förbereder du sammanhängande avsnitt och håller deras röst- och textförberedelser konsekventa med leveransarbetsflödet som hanterar fortsättningen. Det släppta kortet anger ljud vid 24 kHz och namnger utdataformaten WAV, PCM, FLAC, MP3, AAC och Opus. Taltjänstguiden diskuterar MP3 för komprimerad leverans, WAV för okomprimerad PCM, FLAC för förlustfri komprimering och PCM eller Opus för strömning. Välj ett format som stöds av det anslutna arbetsflödet och passar dess spelare eller bearbetningssteg. Formatval och strömningsbeteende är separata från själva röstanpassningen. Modellarkitektur och praktiska gränser Lanseringen beskriver en autoregressiv flow-matching-arkitektur med en Transformer-decoderbas med 3,4 miljarder parametrar, en akustisk Transformer med 390 miljoner parametrar och en neural ljudkodek med 300 miljoner parametrar. Decodern förutsäger semantiskt innehåll och den akustiska komponenten skapar talrepresentation, medan kodeken hanterar ljud. Komponenterna förklarar den ungefärliga modellbeteckningen 4B; de är inte extra indataspråk eller en annan modell för svarsgenerering. Praktiska utdata är den syntetiserade inspelningen eller ljudströmmen kopplad till sitt förberedda manus och vald röst. Behåll kopplingarna när flera avsnitt genereras så att applikationen kan spara, spela upp eller sammanställa rätt material. Modellen skapar ljud snarare än en transkription, en semantisk sökvektor eller ett nyskrivet faktasvar. Bevara talversionen 2603, det språk som stöds och referensstilen. De lästa källorna anger uppgiften om inbyggd generering av upp till två minuters ljud och rekommendationen om förberedelse under 300 ord, men fastställer inte en separat hård maximal textgräns i tecken eller en total längd för sammanfogade inspelningar. Använd de faktiska kraven på text, röst och leverans för att definiera den färdiga ljudleveransen. **Ailoot Ultra · Talproduktion** `POST /v1/audio/speech` `mistralai/voxtral-mini-tts-2603` [`mistralai/voxtral-mini-tts-2603`](https://ailoot.ai/models/sv/#m=mistralai%2Fvoxtral-mini-tts-2603&route=Ultra&caller=mistralai%2Fvoxtral-mini-tts-2603&fmt=speech) Mistral /`mistralai/voxtral-mini-tts-2603` ### Start Voxtral TTS är Mistral AI:s talgenereringsmodell med 4B parametrar och referensbaserad röstanpassning på nio språk. Den omvandlar förberedd text till uttrycksfullt ljud, stöder återanvändbara eller tillfälliga röstpromptar och strömning och skapar utdata vid 24 kHz i dokumenterade ljudformat. Godkända indata Text Resultat Ljud ### Tillgängligt i Ailoot · indata & metoder **Ailoot Ultra · Talproduktion** `POST /v1/audio/speech` Indatatyper `text` Utdatatyper `audio` Utdataformat mp3 | Fält | Typ | Krav | Värden & gränser | Standard | | --- | --- | --- | --- | --- | | Fält`model` | Typ`string` | KravObligatoriskt | Värden & gränser mistralai/voxtral-mini-tts-2603 | Standard— | | Fält`input` | Typ`string` | KravObligatoriskt | Värden & gränser Minsta längd: 1 Enhet: Unicode-tecken | Standard— | | Fält`voice` | Typ`string` | KravObligatoriskt | Värden & gränser 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 | Standard— | | Fält`response_format` | Typ`string` | KravObligatoriskt | Värden & gränser mp3 | Standard— | Kombinationer av indatamaterial **text\_to\_speech** · Krävs: input Metodparametrar och livscykel | Parameter | Avtal | | --- | --- | | Parameter`content_type` | Avtalapplication/json | | Parameter`required` | Avtalmodel, input, voice, response\_format | | Parameter`voice_ids` | Avtalen\_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` | Avtalmp3 | | Parameter`max_input_characters` | Avtalnull | | Parameter`other_options` | Avtalfalse | | Parameter`input` | Avtalexakt UTF-8-text; antal Unicode-tecken utan normalisering | | Parameter`material_types` | Avtaltext | Livscykel: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · Det task\_id som faktiskt returnerades eller en post i mediebiblioteket `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` Välj den exakta rösten från denna modellprofil. Indatatecken och ljudsekunder är olika mätenheter. ### Priser Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden. Snabbt läge Ej angivet När snabbt läge är valt Flex-läge Ej angivet När läget flex är valt Högsta resonemangsnivå Ej angivet När den högsta resonemangsnivån använder standardjusteringen (default) #### Ailoot-priser #### Priser efter konfiguration Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer. | Konfiguration | Prislista | Debiterbar mängd | Debiteringsenhet | Avgift | | --- | --- | --- | --- | --- | | KonfigurationGrundpriser för token | PrislistaGrundpris | Debiterbar mängd— | Debiteringsenhet— | Avgift Indata · Indatatoken **—** / 1K token Utdata · Utdatatoken **—** / 1K token Indata · Cacheläsning **—** / 1K token Indata · Skrivning till cache **—** / 1K token Indata · Skrivning till cache, 1 tim **—** / 1K token | | KonfigurationUltra | Prislista— | Debiterbar mängdVarje Unicode-kodpunkt räknas som ett tecken, även Han-tecken. | Debiteringsenhetper 1K indatatecken | Avgift Indata · indatatecken **$0.032** per 1K indatatecken | #### Detaljer om referenstariffen Referensprislistor på modellnivå ändrar inte metodval, prisuppgifter eller avgifter. Aktiva avgifter använder priserna för den valda Ailoot-metoden. Mistral: Voxtral Mini TTS #### Priser efter konfiguration | Konfiguration | Debiteringsvillkor | Avgift | | --- | --- | --- | | KonfigurationMistral: Voxtral Mini TTS · Standardkonfiguration | DebiteringsvillkorStandardkonfiguration | Avgift Indata · Indatatecken **0,000032 US$** per indatatecken | Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. [Så fungerar reservation och slutreglering →](https://ailoot.ai/docs/sv/billing/reserve/) ### Exempelbegäranden #### Ailoot Ultra · Talproduktion 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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o speech.mp3 ``` ### Ta emot och spara resultat #### Ailoot Ultra · Talproduktion mp3 - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Andra innehållsläsningar MediebibliotekUppgiftsstatusResursinformation ```bash set -eu : "${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 ``` ##### Behåll alla färdiga resultat Behåll varje fullständigt returnerat svar, fil och innehållsdel. Spara hela det binära resultatet och dess headers. Om JSON eller flera resultat returneras ska du behålla varje dataobjekt och hämta innehållet via varje faktisk signerad URL till en resurs. ##### Om det ursprungliga svaret behöver kontrolleras Behåll de ursprungliga värdena för operation\_id/X-Client-Request-ID för avstämning utan att skicka förfrågan igen; det finns ingen särskild rutt för statusavläsning av ljud. Svarsfält | Fält | Typ | | --- | --- | | Fält`binary audio` | Typbytes | | Fält`response headers` | Typheaders | Fel och nästa steg | Svar | Villkor | Nästa steg | | --- | --- | --- | | Svar400 · `invalid_request_error` | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. | | Svar`server_error` | VillkorDet returnerade svaret anger att operationen eller resultatet behöver kontrolleras | Nästa stegSpara det ursprungliga operations- eller uppgifts-ID som returnerades, förfrågans headers och svaret. Fortsätt att läsa den ursprungliga operationen med de läsmetoder som stöds. Skicka inte skapandeförfrågan igen. | ### Alias #### Modellalias **Ailoot Ultra** [`mistralai/voxtral-mini-tts-2603`](https://ailoot.ai/models/sv/#m=mistralai%2Fvoxtral-mini-tts-2603&route=Ultra&caller=mistralai%2Fvoxtral-mini-tts-2603&fmt=speech) #### Alias för metodsökvägar Använd metodsökvägarna som visas ovan. #### Relaterade anropar-ID:n [`mistralai/voxtral-mini-tts-2603`](https://ailoot.ai/models/sv/#m=mistralai%2Fvoxtral-mini-tts-2603&route=Ultra&caller=mistralai%2Fvoxtral-mini-tts-2603&fmt=speech) FAQ · Mistral: Voxtral Mini TTS Vilka indata och resultat finns? `POST /v1/audio/speech` · `mistralai/voxtral-mini-tts-2603`: `text` → `audio` Vilka fält använder begäran? `POST /v1/audio/speech` · `mistralai/voxtral-mini-tts-2603`: `model`, `input`, `voice`, `response_format` Anslut Ailoot till Claude Code, OpenCode, Hermes eller din app. ## Företaget och dess projektportfölj Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder. ## Köp token med rabatt. Prenumerationsrabatt för återkommande arbete. Kampanjkoder ger upp till 50% vid tokenköp. Prenumeration Välj en rabatterad plan för återkommande anrop. Kampanjkod upp till 50% Ange koden vid köpet. Priset räknas om enligt kampanjen. Kostnader i historiken Modell, token och belopp sparas för varje anrop. [Välj prenumeration](https://ailoot.ai/docs/sv/billing/subscriptions/) · [Se modellpriser](https://ailoot.ai/models/sv/) ## Anslut API till produkten som du säljer. SaaS, appar och botar enligt Ailoots officiella villkor och licensavtal. Begär återförsäljarlicens för vidareförsäljning. Kommersiell applikation Bygg text-, bild-, video- och ljudgenerering i tjänstens betalda funktioner. Återförsäljarlicens Skicka projektbeskrivning och åtkomstupplägg. Begär skriftliga villkor för användning och vidareförsäljning. Dokument på webbplatsen Officiella villkor, licensavtal och databehandlingspolicy finns tillgängliga före anslutning. [Begär återförsäljarlicens](mailto:support@ailoot.ai) · [Officiella villkor och licensavtal](https://ailoot.ai/legal/offer?lang=sv) ## Ailoot · Företaget och dess projektportfölj Ailoot bygger på etablerad driftserfarenhet, en stor kundbas, stabil service och löpande KPI-kontroll. Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder. Ailoot använder denna driftserfarenhet för API-åtkomst till AI-funktioner i kundernas produkter, agenter, applikationer och automatiseringar.