Mistral AI、音声合成モデルVoxtral TTSを公開
Mistral AIは初のテキスト音声変換モデルVoxtral TTSを公開した。4Bパラメーターで、英語、フランス語、ドイツ語、スペイン語、オランダ語、ポルトガル語、イタリア語、ヒンディー語、アラビア語の9言語に対応する。APIとMistral Studioで利用でき、1000文字当たり0.016ドルである。
音声・オーディオ
すべてのトピックAI の音声とオーディオの進展：音声合成、リアルタイム対話、音楽生成、音声理解のモデルとプロダクト。
最新の精選
21–25 件目 · 全 25 件3月24日
3月7日
Google Research、27言語を対象とするアフリカ音声データセットWAXALを公開
Google Researchは大規模な公開音声データセットWAXALを公開した。初期版は1億人超が使うサハラ以南アフリカの27言語を対象とし、CC-BY-4.0で提供する。
2月5日
Mistral、音声文字起こしモデルVoxtral Transcribe 2を公開
MistralはVoxtral Transcribe 2を公開した。バッチ文字起こし向けVoxtral Mini Transcribe V2と、リアルタイム向けVoxtral Realtimeの2モデルからなる。
7月17日
Mistral、Le ChatにDeep Researchや音声モードなどを追加
MistralはLe Chatに、プレビューのDeep Research、Voxtralによる音声モード、Magistralによる多言語推論、会話を整理するProjects、Black Forest Labsと協力した画像編集などを追加した。
7月15日
Mistral AI、音声理解 Voxtral、24B と3Bの二版を公開
Mistral AI は Voxtral を24B と3Bの二版で公開し、いずれも Apache 2.0 で自社 API でも提供した。32k トークンのコンテキストを持ち、最大30分の音声転写または40分の音声理解を扱う。質問応答・要約、多言語の自動検出、音声による関数呼び出しを内蔵し、文字の能力は Mistral Small 3.1 を継承する。