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

# Mistral: Voxtral Mini TTS

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

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

Voxtral TTS 是 Mistral AI 的 40 億參數語音生成模型，支援九種語言及以參考音訊為基礎的聲音調適。它將準備好的文字轉成富有表現力的音訊，支援可重複或單次使用的聲音提示與串流，並以文件所列音訊格式產生 24 kHz 輸出。

- [**Ailoot Ultra · 語音合成** `POST /v1/audio/speech` `mistralai/voxtral-mini-tts-2603`](https://ailoot.ai/models/zh-hant-tw/mistralai-voxtral-mini-tts-2603/#method-0)

關於模型

此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。

Voxtral TTS 是 Mistral AI 的 40 億參數文字轉語音模型，可依文字與聲音參考生成語音。製造商模型頁面將 2603 版本標示為 voxtral-mini-tts-2603，已發布的權重卡則名為 Voxtral 4B TTS 2603。本項目針對該語音生成版本，與 Voxtral Small 音訊理解、轉錄及後續即時輸入模型不同。

富有表現力的語音與聲音調適

模型設計用來捕捉參考聲音的停頓、節奏、語調、口音及情感表達。聲音本身是文字應如何聽起來的指示；製造商概要不要求另加韻律或情緒標記，也不要求參考錄音的轉錄稿。來源文字決定說什麼，參考音訊則引導表達方式。

概要描述可從短至兩到三秒的音訊調適聲音。架構說明則討論五到二十五秒的聲音提示。這兩種敘述的範圍不同：短音訊調適範例並非要求使用最短可能參考。請選擇清晰語音，代表最終結果需要的風格與口音。

發布卡包含二十個預製聲音，以及對新聲音的調適。製造商的語音工作流程可使用已儲存的聲音設定檔或單次參考片段。儲存設定檔可讓不同語音請求重複使用同一聲音參考；單次片段則只為目前任務提供參考。設定檔與生成錄音是不同成果。

語言與跨語言表達

此版本支援英語、法語、西班牙語、德語、義大利語、葡萄牙語、荷蘭語、阿拉伯語及印地語，製造商並描述方言變化、跨語言聲音轉移及語言混合。為獲得最佳結果，語音指南建議讓參考音訊語言與文字語言一致。跨語言轉移可在以另一種支援語言朗讀準備好的文字時，保留參考音訊的口音。

實用的旁白任務可以在不同支援語言的說明中採相同聲音風格，各份文字則為預定聽眾準備。語音助理回覆可使用簡短對話文稿，而非朗讀未編輯的文件。文字轉語音模型表達的是已準備詞句；產生這些詞句的翻譯或答案撰寫階段是另一個步驟。

準備文字

製造商語音指南建議使用可口語表達的文字。請將數字與符號寫成應朗讀的形式，讓模型無須在可能讀法間選擇。數字可能是數量、時間或識別碼；合成前請定義預定口語措辭。若發音重要，請展開縮寫；若預定逐字母朗讀，則將字母分開。

避免不會成為口語內容的豐富格式、表情符號及特殊字元。請準備完整句子，包含表達所需的標點與措辭。指南建議提示少於 300 個單字，以取得最佳結果。這是品質建議，並非宣告的硬性最大輸入長度。

程序說明應在聽眾能跟上的句子中寫出動作及條件。公告則將重要資訊放在選擇性細節前。語音回覆應保留事實答案，並刪除不應朗讀的顯示專用格式或來源註記。這些準備讓文稿本身先適合音訊，再由參考音訊決定風格。

串流、輸出與時長

製造商記載基本及串流交付，並描述原生生成最長兩分鐘音訊。發布的權重卡也列出可準備多項語音任務的批次推論。服務中較長的生成採交錯處理，而非將單個原生區塊視為無限長。較長旁白應準備連貫章節，並依處理延續的交付工作流程，維持聲音與文字準備一致。

發布卡指定 24 kHz 音訊，並列出 WAV、PCM、FLAC、MP3、AAC 及 Opus 輸出格式。語音服務指南討論壓縮交付用 MP3、未壓縮 PCM 用 WAV、無損壓縮用 FLAC，以及串流用 PCM 或 Opus。請選擇連接工作流程支援、且適合其播放器或處理步驟的格式。格式選擇與串流行為，和聲音調適本身不同。

模型架構與實用界線

公告描述自迴歸、流匹配架構，具有 34 億參數 Transformer 解碼器骨幹、3 億 9,000 萬參數聲學 Transformer，以及 3 億參數神經音訊編解碼器。解碼器預測語意內容，聲學元件產生語音表示，編解碼器則處理音訊。這些元件解釋約 40 億參數的模型標示；並非額外輸入語言，也不是另一個答案生成模型。

實用輸出是與準備好的文稿及所選聲音連結的合成錄音或音訊串流。生成多個章節時應保留這些關聯，讓應用程式能儲存、播放或組合正確素材。模型產生音訊，而非轉錄稿、語意搜尋向量或新撰寫的事實答案。

請保留 2603 語音版本、支援語言與參考風格。已讀來源提供原生兩分鐘說明及少於 300 個單字的準備建議，但未確立額外的硬性文字字元上限，或整份拼接錄音的總時長。請以實際文字、聲音及交付需求，定義完成音訊成果。

**Ailoot Ultra · 語音合成** `POST /v1/audio/speech` `mistralai/voxtral-mini-tts-2603`

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

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

### 入門

Voxtral TTS 是 Mistral AI 的 40 億參數語音生成模型，支援九種語言及以參考音訊為基礎的聲音調適。它將準備好的文字轉成富有表現力的音訊，支援可重複或單次使用的聲音提示與串流，並以文件所列音訊格式產生 24 kHz 輸出。

接受的輸入

文字

結果

音訊

### Ailoot 可用 · 輸入與方法

**Ailoot Ultra · 語音合成** `POST /v1/audio/speech`

輸入

`text`

輸出

`audio`

輸出格式

mp3

| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
| --- | --- | --- | --- | --- |
| 欄位`model` | 類型`string` | 要求必填 | 值與限制 mistralai/voxtral-mini-tts-2603 | 預設值— |
| 欄位`input` | 類型`string` | 要求必填 | 值與限制 長度下限: 1 單位: Unicode 字元 | 預設值— |
| 欄位`voice` | 類型`string` | 要求必填 | 值與限制 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 | 預設值— |
| 欄位`response_format` | 類型`string` | 要求必填 | 值與限制 mp3 | 預設值— |

輸入素材組合

**text\_to\_speech** · 必填： input

方法參數與生命週期

| 參數 | 規格 |
| --- | --- |
| 參數`content_type` | 規格application/json |
| 參數`required` | 規格model, input, voice, response\_format |
| 參數`voice_ids` | 規格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 |
| 參數`response_format` | 規格mp3 |
| 參數`max_input_characters` | 規格null |
| 參數`other_options` | 規格false |
| 參數`input` | 規格完全相符的 UTF-8 文字；不經正規化的 Unicode 字元計數 |
| 參數`material_types` | 規格text |

生命週期： `synchronous_result_then_owned_library`

`GET /v1/media/tasks/{task_id}` · 實際回傳的 task\_id 或媒體庫紀錄

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

`GET /v1/media/assets`

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

請從此模型設定檔中選擇完全相符的語音。

輸入字元數與音訊秒數是不同的計量方式。

### 方案

費率資訊不會增加請求選項。支援的參數列於所選方法中。

快速模式

未指定 選取快速模式時

flex 模式

未指定 選取 flex 模式時

最高推理強度

未指定 最高推理強度採用 default 調整值時

#### Ailoot 費率

#### 各設定的價格

請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。

| 設定 | 費率表 | 應計費數量 | 計費單位 | 費用 |
| --- | --- | --- | --- | --- |
| 設定基礎 token 費率 | 費率表基本費率 | 應計費數量— | 計費單位— | 費用 輸入 · 輸入 Token **—** / 1K Token 輸出 · 輸出 Token **—** / 1K Token 輸入 · 讀取快取 **—** / 1K Token 輸入 · 寫入快取 **—** / 1K Token 輸入 · 寫入快取，1 小時 **—** / 1K Token |
| 設定Ultra | 費率表— | 應計費數量每個 Unicode 碼位均計為一個字元，漢字亦同。 | 計費單位每 1K 個輸入字元 | 費用 輸入 · 輸入字元 **$0.032** 每 1K 個輸入字元 |

#### 參考費率詳情

模型層級的參考費率表不會變更方法選擇、報價或費用。實際計費採用所選 Ailoot 方法的費率。

Mistral: Voxtral Mini TTS

#### 各設定的價格

| 設定 | 計費條件 | 費用 |
| --- | --- | --- |
| 設定Mistral: Voxtral Mini TTS · 預設設定 | 計費條件預設設定 | 費用 輸入 · 輸入字元數 **US$0.000032** 每個輸入字元 |

Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/)

### 請求範例

#### Ailoot Ultra · 語音合成

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
```

### 接收並儲存結果

#### Ailoot Ultra · 語音合成

mp3

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

其他內容讀取方式

媒體庫工作狀態素材詳細資訊

```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
```

##### 保留所有已完成的結果

請保留所有完整傳回的回應、檔案與內容區塊。

保留完整的二進位結果與標頭。若回傳 JSON 或多個輸出，請保留所有資料項目，並透過每個實際回傳的已簽署資產 URL 取得內容。

##### 需要檢查原始回應時

保留原始 operation\_id/X-Client-Request-ID 以供核對，請勿重新提交；沒有專用的音訊輪詢路由。

回應欄位

| 欄位 | 類型 |
| --- | --- |
| 欄位`binary audio` | 類型bytes |
| 欄位`response headers` | 類型headers |

錯誤與後續步驟

| 回應 | 條件 | 下一步 |
| --- | --- | --- |
| 回應400 · `invalid_request_error` | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
| 回應`server_error` | 條件回傳的回應表示該作業或結果需要檢查 | 下一步保留原始回傳的作業／任務 ID、請求標頭與回應；繼續以支援的方式讀取該原始作業。請勿重新提交建立請求。 |

### 別名

#### 模型別名

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

#### 方法路徑別名

請使用上方列出的 API 方法路徑。

#### 相關呼叫用 ID

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

FAQ · Mistral: Voxtral Mini TTS

可以使用哪些輸入與結果？

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

請求使用哪些欄位？

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

將 Ailoot 串接 Claude Code、OpenCode、Hermes 或自己的應用程式。

## 公司及其專案組合

公司及其專案組合：數百萬客戶，每月銷售額達數十億。

## 優惠購買 token。

訂閱優惠適合持續工作，折扣碼購買 token 最高可折 50%。

訂閱

為定期請求選擇優惠方案。

最高 50% 折扣碼

購買時輸入代碼，價格依活動重算。

歷史中的費用

每次請求保存模型、token 與金額。

[選擇訂閱](https://ailoot.ai/docs/zh-hant-tw/billing/subscriptions/) · [查看模型價格](https://ailoot.ai/models/zh-hant-tw/)

## 將 API 加入 你銷售的產品。

依 Ailoot 正式服務條款與授權合約串接 SaaS、應用程式與機器人；轉售請申請經銷授權。

商用應用程式

在付費功能加入文字、圖片、影片與聲音生成。

經銷授權

提供專案說明與存取方式，要求書面使用和轉售條件。

網站文件

串接前可閱讀正式服務條款、授權合約與資料處理政策。

[申請經銷授權](mailto:support@ailoot.ai) · [正式服務條款與授權合約](https://ailoot.ai/legal/offer?lang=zh-hant-tw)

## Ailoot · 公司及其專案組合





Ailoot以累積的營運經驗、廣大的客戶群、穩定的服務及持續的KPI管理為基礎。





公司及其專案組合：數百萬客戶，每月銷售額達數十億。





Ailoot將這些營運經驗用於API存取，讓客戶的產品、代理、應用程式及自動化流程使用AI功能。