Mistral AI 发布了 Voxtral 3,这是一款将实时语音转录、文本到语音合成和语音代理 SDK 集成到单一管道中的新模型。该模型支持 50 多种语言的转录(带说话人分离)和 35 种以上语言的文本到语音合成,延迟低于 500 毫秒。Voxtral 3 可在欧盟或私有基础设施上托管。 AI
影响 集成了多种实时语音 AI 功能,可能简化语音应用的开发。
排序理由 Frontier-lab 模型发布,附带系统卡。[lever_c_demoted from frontier_release: ic=1 ai=1.0]
在 Mastodon — sigmoid.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →