વેલા વેલાઆઉટ સૉસ

Velouté શાસ્ત્રીય રાંધણકળા પાંચ માતા ચટણીઓમાંથી એક છે. તે કોઈપણ સફેદ સ્ટોક સાથે કરી શકાય છે, પરંતુ આ સંસ્કરણ, વાછરડાનું માંસ velouté, વાછરડાનું માંસ સ્ટોક સાથે કરવામાં આવે છે. એક ચિકન વેલ્વેટ અને માછલી વેલ્વેટ પણ છે .

વેલ વેલેઉટે એ પરંપરાગત અલેમ્મેન્ડ ચટણી , તેમજ ક્લાસિક ઓરોરા સૉસ , પાઉલેટ સોસ અને અન્ય ઘણા લોકો માટેનો આધાર છે.

નોંધ કરો કે વેલ્વેટ પોતે સમાપ્ત ચટણી નથી - એટલે કે, તે સામાન્ય રીતે તે જ રીતે સેવા આપતું નથી. તમે, જો કે, તેને મીઠું અને મરી સાથે સીઝનમાં સીમિત કરી શકો છો અને તેનો ઉપયોગ તમે મૂળભૂત ગ્રેવી તરીકે કરી શકો છો.

તમને જરૂર પડશે

તે કેવી રીતે બનાવો

  1. મધ્યમ શાક વઘારવાનું તપેલું માં સણસણવું માટે વાછરડાનું માંસ સ્ટોક ગરમી, પછી ગરમી ઓછી છે કે જેથી સ્ટોક માત્ર ગરમ રહે છે.
  2. આ દરમિયાન, એક અલગ ભારે તળેલી શાકભાજીમાં, માધ્યમની ગરમી પર સ્પષ્ટતાવાળા માખણને ઓગળે છે જ્યાં સુધી તે નકામા પાણીમાં નથી. તેને ભુરો ન દો, છતાં - તે સ્વાદને અસર કરશે
  3. એક લાકડાના ચમચી સાથે, એક સમયે થોડોક ઓગાળવામાં માખણમાં લોટને જગાડવો, જ્યાં સુધી તે સંપૂર્ણપણે માખણમાં સામેલ ન થાય ત્યાં સુધી, તમને એક આછા પીળા રંગનું પેસ્ટ આપો. કાચા લોટના સ્વાદને રાંધવા માટે આ પેસ્ટને (જે રોક્સ કહેવાય છે) ગરમ કરો.
  1. વાયર ઝટકવુંનો ઉપયોગ કરવો, ધીમે ધીમે રૉક્સમાં ગરમ ​​વાછરડાનો જથ્થો ઉમેરો, ખાતરી કરો કે તે ગઠ્ઠોથી મુક્ત છે.
  2. આશરે 30 મિનિટ સુધી સણસણવું અથવા કુલ વોલ્યુમ લગભગ એક તૃતીયાંશ જેટલું ઓછું થઈ જાય ત્યાં સુધી, સૉસ પાનની નીચેથી છીનવી શકતા નથી તેની ખાતરી કરવા વારંવાર stirring. સપાટી પર પહોંચતા કોઈપણ અશુદ્ધિઓને દૂર કરવા માટે કડછોનો ઉપયોગ કરો.
  3. પરિણામી ચટણી સરળ અને કઠોરતાને ઢાંકનારી બાહ્ય સૌમ્યતા હોવી જોઈએ. જો તે ખૂબ જાડા હોય, તો થોડો વધુ ગરમ સ્ટોક ઝટકવું જ્યાં સુધી તે માત્ર એક ચમચી પાછળ કોટ પૂરતી જાડા નથી.
  4. ગરમીથી ચટણી દૂર કરો વધારાની સરળ સુસંગતતા માટે, કાળજીપૂર્વક વાયર મેશ સ્ટ્રેનર દ્વારા ચટણી રેડવું જે ચીઝક્લોથના ટુકડા સાથે જતી હોય છે.
  5. જ્યાં સુધી તમે તેનો ઉપયોગ કરવા માટે તૈયાર ન હોવ ત્યાં સુધી આવશ્યકતા રાખો.
પોષક માર્ગદર્શિકા (સેવા આપતા દીઠ)
કૅલરીઝ 54
કુલ ચરબી 4 જી
સંતૃપ્ત ફેટ 2 જી
અસંતૃપ્ત ચરબી 1 જી
કોલેસ્ટરોલ 13 એમજી
સોડિયમ 54 એમજી
કાર્બોહાઇડ્રેટ્સ 2 જી
ડાયેટરી ફાઇબર 0 જી
પ્રોટીન 2 જી
(અમારા વાનગીઓ પરની પોષણની માહિતીને ઘટક ડેટાબેઝનો ઉપયોગ કરીને ગણવામાં આવે છે અને તેને એક અંદાજ ગણવામાં આવે છે. વ્યક્તિગત પરિણામો બદલાઈ શકે છે.)