Voxtral TTS是Mistral AI推出的开源文本转语音模型，支持九种语言，能够在三秒音频基础上克隆声音，具有70毫秒的低延迟和9.7倍的实时因子，适合实时对话应用。用户可通过Mistral API或自托管方式使用，提供灵活的商业和非商业使用选项。

Mistral AI 于 2 月 4 日发布了 Voxtral Transcribe 2 系列语音转文字模型，包括面向批量处理的 Voxtral Mini Transcribe V2 和实时转录的 Voxtral Realtime。Voxtral Realtime 具有低于 200 ms 的延迟，支持 13 种语言。定价方面，Mini Transcribe V2 每分钟 0.003 美元，Realtime 每分钟 0.006 美元。

Mistral AI 发布了开源音频模型 Voxtral，提供 24B 和 3B 两个版本，旨在解决语音智能市场的痛点。Voxtral 支持多语言和长文本处理，具备内置问答功能，性能优于现有开源模型，成本低，适合多种应用场景，推动语音交互普及。

Mistral AI发布了Voxtral音频模型，提供24B和3B两个版本，旨在解决语音智能市场的痛点。该模型支持多语言、长文本处理和问答功能，性能优于现有开源模型，成本低，适合多种应用场景，推动语音交互普及。