Mistral AI 发布了 Voxtral TTS,这是一个开放权重(open-weights)的文本转语音模型,其性能可与 ElevenLabs 相媲美,同时效率显著更高。这个拥有 40 亿参数的模型支持九种语言,并采用了一种新颖的架构,将自回归语义令牌生成与用于声学令牌的流匹配(flow-matching)相结合。此次发布凸显了 Mistral 在开放研究和拓展多模态人工智能能力前沿方面的承诺。 AI
排序理由 发布了一个开放权重(open-weights)的 TTS 模型,其新颖的架构细节在播客和配套论文中进行了讨论。
- ElevenLabs
- Flow Matching
- Guillaume Lample
- Latent Space
- Mistral AI
- Pavan Kumar Reddy
- Pixtral
- Voxtral TTS
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →