Balises d'émotion et de rythme

Les balises d’émotion et de rythme modifient la façon dont une voix prononce une partie du texte : écrivez-les directement dans input, entre crochets, par exemple [emotion=happy] ou [pace=slow]. Pour définir l’interprétation de l’ensemble de l’entrée, utilisez plutôt les instructions de style.

Les balises d’émotion et de rythme partagent la même syntaxe et les mêmes règles :

Voxtral TTS 3 déduit l’émotion du texte lui-même : une balise n’est donc pas toujours nécessaire. Aucun des textes suivants ne contient de balise :

Utilisez une balise quand le texte seul ne porte pas l’émotion voulue, ou pour la changer au milieu du texte.

Placez la balise d’émotion dans input, avant le texte à prononcer avec cette émotion :

import base64
import os
from pathlib import Path

from mistralai.client import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

response = client.audio.speech.complete(
    model="voxtral-mini-tts-3-0",
    input="[emotion=happy]We passed the audit!",
    voice_id="voice_478",
    response_format="wav",
)

output = Path("happy.wav")
output.write_bytes(base64.b64decode(response.audio_data))
print(f"Saved {output.resolve()}")

import base64
import os
from pathlib import Path

from mistralai.client import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

response = client.audio.speech.complete(
    model="voxtral-mini-tts-3-0",
    input="[emotion=happy]We passed the audit!",
    voice_id="voice_478",
    response_format="wav",
)

output = Path("happy.wav")
output.write_bytes(base64.b64decode(response.audio_data))
print(f"Saved {output.resolve()}")

La balise d’émotion prend l’une de ces 34 valeurs :

Les balises de rythme règlent le débit de parole. Utilisez-les pour lire une mention légale plus lentement, ou pour dérouler une liste plus rapidement :

L’exemple suivant génère la même phrase pour chaque rythme :

import base64
import os
from pathlib import Path

from mistralai.client import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

for pace in ["very-slow", "slow", "moderate", "fast", "very-fast"]:
    response = client.audio.speech.complete(
        model="voxtral-mini-tts-3-0",
        input=f"[pace={pace}]Please read the terms carefully before you sign.",
        voice_id="voice_478",
        response_format="wav",
    )
    output = Path(f"pace_{pace}.wav")
    output.write_bytes(base64.b64decode(response.audio_data))
    print(f"Saved {output.resolve()}")

import base64
import os
from pathlib import Path

from mistralai.client import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

for pace in ["very-slow", "slow", "moderate", "fast", "very-fast"]:
    response = client.audio.speech.complete(
        model="voxtral-mini-tts-3-0",
        input=f"[pace={pace}]Please read the terms carefully before you sign.",
        voice_id="voice_478",
        response_format="wav",
    )
    output = Path(f"pace_{pace}.wav")
    output.write_bytes(base64.b64decode(response.audio_data))
    print(f"Saved {output.resolve()}")

Les balises et une instruction de style agissent à des niveaux différents. Les instructions de style ne sont pas disponibles au lancement. Consultez Instructions de style.

L’API ne rejette pas une balise dont la valeur ne figure pas dans les tableaux de cette page. Une requête comme [emotion=ecstatic] renvoie une réponse normale, et la balise n’est pas prononcée.

Les disfluences ajoutent des sons naturels à la parole, comme des pauses, des respirations ou des rires. Écrivez-les directement dans input, entre crochets, comme les balises d’émotion et de rythme :

Les balises d’émotion, de rythme et de disfluence fonctionnent en anglais. Elles n’ont pas été testées en français, en allemand, en espagnol, en italien, en portugais et en hindi, mais devraient aussi y fonctionner.