メインコンテンツへ移動

Mistral

MistralVoice クラスは、Mistral の Voxtral 音声モデルを使用した Text-to-Speech および Speech-to-Text 機能を提供します。バッファリングとストリーミングによる TTS、ダイアライゼーション付きのバッチ文字起こし、参照音声による Voice クローニングをサポートします。

使用例
使用例への直接リンク

import { MistralVoice } from '@mastra/voice-mistral'

const voice = new MistralVoice()

// Text-to-speech
const audioStream = await voice.speak('Hello, how can I help you?', {
  responseFormat: 'mp3',
})

// Speech-to-text
const text = await voice.listen(audioStream, {
  language: 'en',
})

// List available voices
const speakers = await voice.getSpeakers()
import { MistralVoice } from '@mastra/voice-mistral'

// Initialize with specific configuration
const voice = new MistralVoice({
  speechModel: {
    name: 'voxtral-mini-tts-2603',
    apiKey: 'your-mistral-api-key',
  },
  listeningModel: {
    name: 'voxtral-mini-latest',
    apiKey: 'your-mistral-api-key',
  },
  speaker: 'en_paul_neutral',
})

コンストラクターパラメーター
コンストラクターパラメーターへの直接リンク

speechModel?:

MistralModelConfig
= { name: 'voxtral-mini-tts-2603' }
Text-to-Speech 合成の設定。
MistralModelConfig

name?:

string
音声合成に使用するモデル ID。

apiKey?:

string
Mistral API キー。未指定の場合は MISTRAL_API_KEY 環境変数を使用します。

listeningModel?:

MistralModelConfig
= { name: 'voxtral-mini-latest' }
Speech-to-Text 認識の設定。
MistralModelConfig

name?:

string
文字起こしに使用するモデル ID。固定バージョンには 'voxtral-mini-2507' を使用します。

apiKey?:

string
Mistral API キー。未指定の場合は MISTRAL_API_KEY 環境変数を使用します。

speaker?:

string
= 'en_paul_neutral'
音声合成に使用するデフォルトの Voice ID。使用可能な ID は getSpeakers() で取得します。

メソッド
メソッドへの直接リンク

speak(input, options?)
speakinput-optionsへの直接リンク

Mistral の Voxtral TTS モデルを使用してテキストを音声に変換します。バッファリング出力とストリーミング出力の両方をサポートします。

input:

string | NodeJS.ReadableStream
音声に変換するテキストまたはテキストストリーム。

options?:

MistralSpeakOptions
設定オプション。
MistralSpeakOptions

speaker?:

string
使用する Voice ID。コンストラクターのデフォルト値を上書きします。

responseFormat?:

'pcm' | 'wav' | 'mp3' | 'flac' | 'opus'
音声出力形式。最小レイテンシーのストリーミングには 'pcm' を使用します。

refAudio?:

string
一度限りの Voice クローニングに使用する base64 エンコード済み参照音声（最低2～3秒）。

model?:

string
この呼び出しで音声モデルを上書きします。

stream?:

boolean
ストリーミング TTS を有効にします。到着した音声チャンクが順次ストリームに書き込まれます。

戻り値：Promise<NodeJS.ReadableStream>

listen(audioStream, options?)
listenaudiostream-optionsへの直接リンク

Mistral の Voxtral 文字起こしモデルを使用して音声を文字起こしします。ダイアライゼーション、コンテキストバイアス、タイムスタンプの詳細レベルをサポートします。

audioStream:

NodeJS.ReadableStream
文字起こしする音声ストリーム。

options?:

MistralListenOptions
設定オプション。
MistralListenOptions

language?:

string
言語コード（例：'en'）。指定すると精度が向上します。

diarize?:

boolean
Speaker ダイアライゼーションを有効にします。

contextBias?:

string[]
語彙を導く単語またはフレーズ。

timestampGranularities?:

('segment' | 'word')[]
文字起こしセグメントのタイムスタンプ詳細レベル。

filetype?:

string
入力ストリームの音声ファイル拡張子のヒント。

戻り値：Promise<string>

getSpeakers()
getspeakersへの直接リンク

Mistral Voices API から使用可能なプリセット Voice を取得します。各要素には次の値が含まれます。

voiceId:

string
Voice の一意な識別子。

name:

string
Voice の表示名。

languages?:

string[]
Voice がサポートする言語。

gender?:

string | null
Voice の性別。

getListener()
getlistenerへの直接リンク

{ enabled: true } を返します。

注意事項
注意事項への直接リンク

  • API キーは、コンストラクターオプションまたは MISTRAL_API_KEY 環境変数で指定できます
  • TTS は9言語（英語、フランス語、スペイン語、ポルトガル語、イタリア語、オランダ語、ドイツ語、ヒンディー語、アラビア語）をサポートします
  • STT は13言語（英語、中国語、ヒンディー語、スペイン語、アラビア語、フランス語、ポルトガル語、ロシア語、ドイツ語、日本語、韓国語、イタリア語、オランダ語）をサポートします
  • 最良の結果を得るため、TTS の入力テキストは1リクエストあたり300語未満にしてください
  • STT は1リクエストあたり最大3時間の音声をサポートします
  • refAudio による Voice クローニングには、最低2～3秒の参照音声が必要です
  • getSpeakers() は UUID 識別子を持つプリセット Voice を返します。デフォルトの en_paul_neutral は TTS エンドポイントで使用できる名前付きエイリアスですが、この一覧には含まれません
On this page