Mistral AI 发布 Voxtral TTS 4B 文本转语音模型，支持 9 种语言

Mistral AI 发布 Voxtral TTS，这是其首个文本转语音模型，参数量 4B，支持 9 种语言的多语言语音生成。该模型支持情绪表达、低延迟、语音适配和 zero-shot 跨语言语音适配，典型输入 10 秒语音样本和 500 字符时模型延迟为 70ms，RTF ≈9.7x。