Mistral AI stellt Voxtral TTS vor: 4‑Billionen‑Parameter-Modell für Sprachausgabe

Mistral AI hat mit der Veröffentlichung von Voxtral TTS einen Meilenstein im Bereich der Audio‑Generierung gesetzt. Das neue Modell ist Open‑Weight und damit frei zugänglich, was die Nutzung in verschiedensten Projekten erleichtert.

Voxtral TTS besteht aus 4 Milliarden Parametern und unterstützt Streaming‑Sprachsynthese mit sehr niedriger Latenz. Damit kann es in Echtzeit in mehreren Sprachen sprechen, was besonders für Anwendungen wie Chat‑Bots, Assistenzsysteme und interaktive Medien von großem Nutzen ist.

Durch die Bereitstellung der letzten Schicht des Audio‑Stacks positioniert sich Mistral als direkter Konkurrent zu proprietären Voice‑APIs. Entwickler erhalten nun eine leistungsfähige Alternative, die sich nahtlos in bestehende Pipelines einbinden lässt.

Vor der Einführung von Voxtral TTS hat Mistral bereits Transkriptions‑ und Sprachmodelle veröffentlicht. Mit dieser neuen Ergänzung vervollständigt das Unternehmen sein Angebot für die komplette Verarbeitung von Sprache – von der Erkennung bis zur Ausgabe.