Prononciation personnalisée

La prononciation personnalisée indique exactement à une voix comment prononcer un mot qu'elle devrait sinon deviner à partir de son orthographe, comme un nom de marque, un nom de famille ou un sigle prononcé comme un mot. Cette page explique comment écrire une prononciation, quels phonèmes l'API accepte et ce qui se produit lorsqu’une indication est incorrecte.

Dans phoneme_hints, associez un mot de input à la liste des phonèmes à utiliser pour le prononcer. Chaque phonème est une chaîne de caractères de la liste.

import base64
import os
from pathlib import Path

import httpx

response = httpx.post(
    "https://api.mistral.ai/v1/audio/speech",
    headers={"Authorization": f"Bearer {os.environ['MISTRAL_API_KEY']}"},
    json={
        "model": "voxtral-mini-tts-3-0",
        "input": "I like tomato soup.",
        "voice_id": "gb_jane_neutral",
        "phoneme_hints": {"tomato": ["t", "ə", "m", "ɑ", "t", "oʊ"]},
        "response_format": "wav",
    },
    timeout=60,
)
response.raise_for_status()

output = Path("tomato.wav")
output.write_bytes(base64.b64decode(response.json()["audio_data"]))
print(f"Saved {output.resolve()}")

import base64
import os
from pathlib import Path

import httpx

response = httpx.post(
    "https://api.mistral.ai/v1/audio/speech",
    headers={"Authorization": f"Bearer {os.environ['MISTRAL_API_KEY']}"},
    json={
        "model": "voxtral-mini-tts-3-0",
        "input": "I like tomato soup.",
        "voice_id": "gb_jane_neutral",
        "phoneme_hints": {"tomato": ["t", "ə", "m", "ɑ", "t", "oʊ"]},
        "response_format": "wav",
    },
    timeout=60,
)
response.raise_for_status()

output = Path("tomato.wav")
output.write_bytes(base64.b64decode(response.json()["audio_data"]))
print(f"Saved {output.resolve()}")

La voix prononce « tomato » avec les six phonèmes de l’indication et lit le reste de la phrase normalement. Quelques règles s'appliquent aux clés et aux valeurs :

• Une clé par mot à corriger. Ajoutez autant de mots que nécessaire au même objet.
• Les indications s’appliquent à une seule requête. Envoyez-les avec chaque requête dont le texte contient ces mots.

Chaque paire prononce deux fois la même phrase : d’abord sans indication, puis avec l’indication pour le mot que la voix devinerait autrement.

L'API valide chaque phonème par rapport à son inventaire IPA pris en charge. Les phonèmes invalides sont rejetés lors de l'envoi de la requête.

L’API vérifie chaque phonème de chaque indication et rejette l'intégralité de la requête si l'un d'eux est invalide :