Mistral AI 发布 Voxtral TTS 多语言语音生成模型

Mistral AI 发布 Voxtral TTS，这是一款 4B 参数的文本转语音模型，支持 9 种语言，具备低延迟、情感表达和零样本跨语言声音适应能力。该模型在人类评估中表现优于 ElevenLabs Flash v2.5，API 定价为每 1k 字符 0.016 美元，并提供开源权重。