多語言語音生成
可生成真實、富有情感表達的語音，並定位為支援 9 種語言的多語言語音生成。
概覽
Voxtral TTS 是 Mistral 首款文字轉語音模型，並以開放權重系統的形式發表，用於多語言語音生成。它旨在將文字轉換為適用於語音代理與其他語音介面的擬真語音，重點放在自然度、低延遲與容易適應新聲音。
Mistral 將此模型定位於企業語音流程，兼顧品質與速度。公告重點包括支援九種語言、富有情感表達的語音、可由短參考音訊進行自訂聲音適應，以及可透過 Mistral Studio、Le Chat、API 與 Hugging Face 上的開放權重存取。
功能
即時聲音適應
支援從短參考音訊進行自訂聲音適應，包含口音、語調、停頓及其他說話細節。
低延遲輸出
為低延遲串流而設計，據稱在一般 10 秒語音樣本與 500 個字元的情境下，模型延遲為 70 毫秒。
精簡模型大小
採用精簡的 4B 參數模型規模，Mistral 表示這有助於讓語音代理部署在大規模下保持自然且具成本效益。
跨語言聲音提示
支援跨語言聲音提示，並可使用另一種語言的聲音提示，以一種語言生成語音。
Studio 與 API 存取
可在 Mistral Studio 中測試，而來源也指出 API 包含預設聲音，並可擴充至內部聲音庫。
使用情境
語音代理
為需要自然、富有表達力的語音輸出，而非平淡文字朗讀的助理與代理生成語音回應。
多語言本地化
在維持與參考聲音或口音一致的同時，將面向客戶的音訊本地化為支援的語言。
跨語言翻譯
建立語音到語音翻譯流程，讓生成結果在變更語言的同時保留來源聲音的特徵。
聲音原型設計
在將模型接入正式系統前，先於 Mistral Studio 測試語音參考，以原型開發或調整品牌專屬的內部聲音。
企業語音管線
使用 API 或開放權重，將語音輸出加入現有的 LLM 或語音轉文字流程，而不必替換整個技術堆疊。
Pros and Cons
Pros
- 支援九種主要語言與數種方言，適合多語言語音生成。
- 可從短參考樣本適應自訂聲音，並保留節奏與語調等說話風格細節。
- 強調低延遲，適合語音代理使用情境與串流輸出。
- 提供多種存取方式，包括 Mistral Studio、Le Chat、API 使用，以及 Hugging Face 上的開放權重。
- 針對跨語言聲音適應而設計，可支援語音到語音的翻譯流程。
Cons
- 產品頁對於除了 Mistral Studio、Le Chat、API 與 Hugging Face 可用性之外的整合模式，公開資訊有限。
- 公告未提供 Voxtral TTS 完整的定價方案細節，只提到 API 費率。
- 開放權重版本據稱以 CC BY NC 4.0 提供，若要用於某些商業用途，可能需要先確認條款是否適用。
FAQ
如何存取 Voxtral TTS？
Voxtral TTS 目前可透過 API 使用，Mistral 也表示可在 Mistral Studio 與 Le Chat 中試用。
Voxtral TTS 支援哪些語言？
來源指出它支援 9 種語言：英語、法語、德語、西班牙語、荷蘭語、葡萄牙語、義大利語、印地語和阿拉伯語。
Voxtral TTS 需要多少參考音訊？
此模型描述為可接受約 5 到 25 秒的語音提示與文字提示。Mistral 也表示，它可使用最少 3 秒的參考音訊來適應自訂聲音。
Voxtral TTS 可以生成長篇音訊片段嗎？
公告指出，API 透過智慧交錯可處理任意長度的生成，而模型本身原生最多可生成兩分鐘的音訊。
Voxtral TTS 是開放權重嗎？
Mistral 表示，具有多個參考聲音的模型可在 Hugging Face 上以開放權重形式提供，並採用 CC BY NC 4.0 授權。
Quick Facts
- 類別
- 文字轉語音
- 產品
- Voxtral TTS
- 供應商
- Mistral AI
- 來源網域
- mistral.ai
- 語言
- 英語、法語、德語、西班牙語、荷蘭語、葡萄牙語、義大利語、印地語、阿拉伯語
- 存取方式
- API、Mistral Studio、Le Chat、Hugging Face 上的開放權重
Voxtral TTS 替代品
Wallie
Wallie 是開源 AI streamer，可觀看你的螢幕、聆聽聊天室，並以可設定的人設即時生成直播評論；支援本機執行與自有金鑰，適合無真人出鏡、自治直播與即時互動。
Gemini 3.1 Flash TTS
Gemini 3.1 Flash TTS 是 Google 的預覽版文字轉語音模型，可生成富有表現力的 AI 語音，並細緻控制風格與呈現方式。支援 Gemini API、Google AI Studio、Vertex AI 與 Google Vids。
蓝藻AI
藍藻AI 是線上 AI 配音與語音合成工具，可將文字轉成語音，支援自助聲音克隆，適合短影音、有聲書等需要快速配音的內容場景。
Ondoku
Ondoku 是一款可直接在瀏覽器使用的文字轉語音工具，可將文字轉成可下載的 .mp3 語音，提供免費額度與付費方案，支援多語朗讀、圖片朗讀與按規則商用。
PXZ AI
一個集成圖像、視頻、語音、寫作和聊天工具的全能AI平台，以增強創造力和協作。
Gemma AI
Gemma AI 是一款電話提醒 app，會依排程直接致電提醒你，不靠推播通知。支援 Google Calendar 同步與自然對話互動，讓你更直接掌握行程。