Voxtral Mini TTS

Voxtral Mini TTS — модель преобразования текста в речь от Mistral AI, представленная 23 марта 2026 года. Она содержит 4 млрд параметров, поддерживает девять языков и может адаптировать голос по короткому аудиообразцу. В документации также указана потоковая генерация с задержкой до первого звука около 90 мс.

Синтез речи и голосовая адаптация

Текст превращается в звучащую реплику

Voxtral Mini TTS генерирует аудио по тексту и может учитывать пример голоса, чтобы приблизить тембр, акцент и интонацию. Mistral пишет, что для адаптации может быть достаточно образца продолжительностью около трёх секунд. Это не означает точного копирования любого голоса при любых условиях: качество зависит от записи, языка и конкретного сценария использования.

Языки и режим работы

Девять языков и потоковая выдача

В анонсе перечислены английский, французский, немецкий, испанский, нидерландский, португальский, итальянский, хинди и арабский. Потоковый режим позволяет начинать воспроизведение до завершения всего ответа, что может быть важно для голосовых приложений. API доступен через Mistral Studio; веса с несколькими эталонными голосами выпущены под CC BY-NC 4.0, то есть с ограничением на коммерческое использование.

Остальные модели Voxtral

Входная и выходная части голосового процесса

Для преобразования речи в текст подходят Voxtral Mini Transcribe V2 и потоковая Voxtral Realtime. Вместе они с TTS-моделью позволяют собрать последовательность «речь — текст — ответ голосом», но сами по себе не образуют готовую голосовую систему.

Дата выпуска и источники

Что подтверждает разработчик

Публичный анонс и документация датированы 23.03.2026; Legal Center указывает 25.03.2026 для записи семейства. В карточке использована дата публичного выпуска с фиксацией различия. Первичный источник: официальная документация или публикация Mistral AI.

Сведения о разработчике и его моделях: Mistral AI в Вики Futuretools.ru.