Voxtral Mini TTS

Voxtral Mini TTS verbindet Text-to-Speech mit Zero-Shot-Stimmenklonen. Eine Sprachprobe genügt als Voice-Prompt, ein Transkript der Probe ist laut Mistral nicht nötig. Das Modell unterstützt neun Sprachen und liefert beim Streaming laut Anbieter nach rund 90 ms erstes Audio. Diese Kombination definiert den Endpunkt für schnell startende, geklonte Stimmen.

Mistral listet die Gewichte von Voxtral Mini TTS unter CC BY-NC 4.0. Die Lizenz gilt auch dann, wenn der Checkpoint lokal statt über die API ausgeführt wird. API-Zugang und lokale Gewichte sind damit getrennte Zugangswege, aber keine Umgehung der nicht-kommerziellen Bedingungen.