#文字轉語音

Mistral Voxtral TTS 技術分析：90 毫秒首音延遲與五秒語音複製的架構突破

Mistral AI 發布開源文字轉語音模型 Voxtral TTS，以極小的模型尺寸實現了 90 毫秒的首音延遲（TTFA），僅需不到五秒的語音樣本即可複製自定義聲音。模型支援九種語言，可在智慧手錶等邊緣裝置上運行，以 CC BY NC 4.0 授權開源。