Mistralが「Voxtral TTS」公開：4B軽量音声モデル、遅延70msを実現
Mistral AIは初のテキスト読み上げモデル「Voxtral TTS」を公開しました。4Bパラメータの軽量設計で英語やフランス語など9言語に対応し、わずか3秒の音声からクローンを作成できます。典型的な遅延は70msで、重みはHugging Faceで公開されています。
Mistral AIは初のテキスト読み上げモデル「Voxtral TTS」を公開しました。4Bパラメータの軽量設計で英語やフランス語など9言語に対応し、わずか3秒の音声からクローンを作成できます。典型的な遅延は70msで、重みはHugging Faceで公開されています。