Mistral AI 发布首款文本转语音模型 Voxtral TTS
Mistral AI 发布了其首款文本转语音模型 Voxtral TTS。该模型参数量为 4B,基于 Ministral 3B 构建,支持英语、法语、德语等 9 种语言及多种方言,具备低延迟和情感表达能力。据官方介绍,Voxtral TTS 的模型延迟约为 70 毫秒,实时因子(RTF)约为 9.7 倍。 Voxtral TTS 支持仅需 3 秒的参考音频即可进行语音适配,能够捕捉口音、语调及自然停顿等细微特征,并具备零样本跨语言语音适配能力。人工评估显示,其自然度优于 El...