Voxtral Studio

Voxtral Studio

通过你自己的 Mistral API 密钥，用 Mistral AI 的 Voxtral 模型把语音转成文字、把文字转成语音，并把一段声音样本变成可重复使用的克隆声音。适合需要转写或配音的人。

由 codexxx 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Voxtral Studio 是基于 Mistral AI 的 Voxtral 模型的 Gradio 应用。它做三件事。把语音转成文字，把文字转成语音，把一小段声音样本变成可以用一个 ID 调用的可重复使用的声音。它需要一个付费的 Mistral API 密钥，你把它作为密钥添加到 Space 设置里。

适合谁：它适合需要文字稿或语音音频、并且已经有 Mistral 账号的人，也适合想要一个封装 Voxtral 模型的小应用的开发者。

行业 | 谁在用 | 怎么用 | 例子
媒体 | 播客制作人和视频剪辑师 | 把录音转成文字，或把脚本转成音频 | 用支持的某种语言转写一段采访
营销 | 内容团队 | 用文案做出配音 | 把一段短片的音频存成 mp3
无障碍 | 出版方 | 为文字页面制作语音版本 | 用清晰的声音朗读一篇文章
软件 | 开发者 | 阅读应用是如何调用语音模型的 | 复制这个 Space 并增加另一个功能

如果你没有 Mistral API 密钥，或者没有设置计费，可以跳过它，因为文字转语音部分没有免费额度。

用在哪里：

• 网页浏览器：在 Hugging Face 上打开这个 Space 页面，并把你的密钥设为密钥项。
• Windows、macOS 或 Linux：用 Python 3.11 运行一份副本。

使用场景 | 谁用 | 能得到什么
语音转文字 | 有录音的任何人 | 一份文字稿，语言会替你自动识别
文字转语音 | 创作者 | mp3、wav、flac 或 opus 格式的音频
声音克隆 | 创作者 | 由你的声音样本生成的可重复使用的 Voice ID

如何设置：密钥设好之后，托管页面就能运行。本地副本需要先备好下面这些东西。

• Windows、macOS 或 Linux 上的 Python 3.11。
• pip，用来安装各个包。
• packages.txt 里的系统包，Hugging Face 会替你安装。
• 一个已开通计费的付费 Mistral API 密钥。

1. 用 pip 安装 huggingface_hub 包。
2. 用 hf 命令把这个 Space 的文件下载到一个文件夹里。
3. 进入这个文件夹。
4. 安装 Gradio 6.12.0，再安装 requirements.txt 里列出的包。
5. 把你的 Mistral 密钥设为 MISTRAL_API_KEY，然后用 Python 启动应用。

pip install -U huggingface_hub
hf download codexxx/voxtral-studio --repo-type space --local-dir voxtral-studio
cd voxtral-studio
pip install gradio==6.12.0
pip install -r requirements.txt
python app.py

在 Hugging Face 上，把密钥添加到 Space 设置里的密钥项，用这个名称和值。

MISTRAL_API_KEY = your-key-here

如何使用：打开应用，挑一个功能。语音转文字时，给它一段录音。文字转语音时，输入你的文字并选一个输出格式。声音克隆时，上传一段声音样本，并保存返回的 Voice ID。

工具 | 作用
语音转文字 | 转写 13 种语言的音频，自动识别语言
文字转语音 | 生成 mp3、wav、flac 或 opus 格式的自然语音
声音克隆 | 把声音样本变成可重复使用的 Voice ID

示例：你上传一段简短的采访录音，运行语音转文字。应用会识别语言并返回一份文字稿。然后你把一段文字粘贴到文字转语音里，选 mp3，它就返回朗读出来的音频。

新手与专家：如果你是新手，先拿到一个 Mistral API 密钥，因为没有它什么都用不了。把它添加为密钥项，然后用一段短录音试试语音转文字。

如果你熟悉这个领域，应用会用你的密钥把你的音频和文字发送到 Mistral 的 API。它用 voxtral-mini-latest 做转写，用 voxtral-mini-tts-2603 做语音和声音克隆。代码在 app.py 和 core.py 里，系统包在 packages.txt 里。

你把 Mistral 密钥添加为密钥项
你提供音频、文字或声音样本
应用通过 API 调用 Voxtral 模型
你拿回文字、音频或 Voice ID

注意事项：声音克隆会给你一个可重复使用的 Voice ID，请把它存放在安全的地方。

• License: apache-2
• Cost to run: 一个已开通计费的付费 Mistral API 密钥，因为文字转语音模型没有免费额度
• Data it reaches: 你的音频、文字和声音样本会发送到 Mistral API
• Not for: 没有 Mistral 密钥的使用

Hugging Face 上的数据（2026年11月13日）

• 点赞：1
• 构建方式：gradio
• 许可证：apache-2.0

链接

• Space：https://huggingface.co/spaces/codexxx/voxtral-studio
• 文件：https://huggingface.co/spaces/codexxx/voxtral-studio/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。