Mistral AI 发布 4B 参数语音生成模型 Voxtral TTS

Mistral AI 发布首个文本转语音模型 Voxtral TTS，参数量 4B，支持英语、法语、德语等 9 种语言。人工评测显示其自然度优于 ElevenLabs Flash v2.5，与 ElevenLabs v3 质量相当；模型延迟 70ms，支持 3 秒参考音色的零样本语音适配与跨语言口音迁移。