Mistral AI发布Voxtral TTS:4B参数,支持9种语言及情感表达
Mistral AI正式发布其首款文本转语音模型Voxtral TTS。该模型拥有40亿(4B)参数,基于Ministral 3B构建,采用基于Transformer的自回归流匹配架构。Voxtral TTS专为多语言语音生成设计,支持英语、法语、德语、西班牙语等9种主流语言及多种方言,能够生成逼真且具有情感表现力(如中性、开心、讽刺等)的语音。 该模型具备极低延迟,在典型输入下模型延迟仅为70毫秒。据人工评估显示,Voxtral TTS在保持与ElevenLabs Flas...