Перша модель TTS з відкритими вагами від Mistral Voxtral копіює голоси з трьох секунд аудіо у дев’яти мовах
Французький стартап у сфері штучного інтелекту Mistral випустив Voxtral TTS, свою першу модель тексту в мову. Модель підтримує дев’ять мов — включаючи німецьку, англійську, французьку та іспанську — і є відносно компактною з чотирма мільярдами параметрів. Mistral каже, що вона генерує реалістичну, емоційно виразну мову і може адаптуватися до нових голосів вже з усього трьох секунд довідкового аудіо. Затримка становить 70 мілісекунд для типового налаштування з 10-секундним зразком мовлення та 500 символами.
У порівняльних з людськими тестах Voxtral TTS набрав вище за натуральність порівняно з ElevenLabs Flash v2.5 за схожий час відповіді. Проте ElevenLabs відтоді випустила новішу модель із v3. Voxtral TTS доступна через API за 0,016 долара за 1 000 символів, може бути протестована у Mistral Studio, та також доступна як версія з відкритими вагами на Hugging Face.
AI-новини без хайпу — відбирають люди
Як підписник THE DECODER, ви отримуєте без реклами читання, нашу щотижневу розсилку AI, ексклюзивний «AI Radar» Frontier Report 6 разів на рік, доступ до коментарів та наш повний архів.
Підписатися зараз
HI-FI News
через The Decoder https://ift.tt/GKS7p05
26 березня 2026 року, 20:22
в українському перекладі. Надавати лише перекладений текст.
March 26, 2026 at 08:22PM
Залишити відповідь
Щоб відправити коментар вам необхідно авторизуватись.