Mistral AI 发布 Voxtral TTS 语音合成模型

Mistral AI 发布 Voxtral TTS，这是其首个文本转语音模型，4B 参数，支持 9 种语言，具备情感表达、低延迟和零样本跨语言声音适配。模型基于 Ministral 3B，采用 Transformer 自回归流匹配架构，模型延迟 70ms，实时因子约 9.7x。