Voxtral від Mistral: відкрита альтернатива ElevenLabs для TTS
Voxtral — TTS-модель від Mistral з відкритими вагами: 4B параметрів, 70 мс затримка, клонування голосу з 3 с, 9 мов. Є на Hugging Face.
З’явилася відкрита альтернатива ElevenLabs із відкритими вагами.
Voxtral — модель синтезу мовлення (текст-у-мовлення) від Mistral:
- лише 4 млрд параметрів
- затримка 70 мс для голосових агентів
- клонування голосу за 3 секундами аудіо
- 9 мов + кросмовне перенесення
- 68.4% перемог порівняно з ElevenLabs Flash v2.5
Коментарі
Дайджест щотижня
Найкраще про vibe coding, AI-агентів та open source — раз на тиждень, без спаму.
Схожі статті
Всі статтіDeepSeek додає чотири нові голоси та зберігає V4 Pro: новини 2024
DeepSeek представив чотири голоси — Mira, Echo, Stella і Tide, і повідомив, що V4 Pro залишиться доступним разом з V4.1 Flash після 14 вересня.
KrillinAI: переклад і озвучення відео 100+ мовами з Whisper
KrillinAI локалізує аудіо та відео: розпізнавання Whisper, переклад із контекстом, клонування голосу, субтитри та експорт для Windows/macOS/Linux.