巴黎的Mistral AI SAS公司今天发布了他们的首个文本转语音人工智能模型"Bostral TTS"。这款新模型旨在与市场上最知名的语音模型竞争。这款轻量级模型总共拥有4亿个参数，可在最新的笔记本电脑、中端台式机图形处理器以及一些高端移动设备上运行。该公司将此模型开源提供，以便客户能够自由修改以适应自己的系统。
Mistral公司解释称，该模型对新语音表现出高度适应性，且新音频生成延迟时间极短。尽管模型体积小巧，但其设计不仅超越了传统文本转语音的准确性，还能实现情感表达。其特点还包括支持包含美式、英式及法语方言在内的多语言功能。
为了在竞争激烈的文本转语音商业模型市场中获得竞争力，Mistral强调此模型即使与现有的ElevenLabs相比也展现出自然流畅的特性。此外，该模型基于大规模语音数据集训练，能够在9种语言中实现最新性能表现。
Bostral TTS的特点之一是其高保真功能，能够通过3秒的语音参考轻松实现适应性和声音克隆。这些功能为更高度定制化的文本转语音AI模型奠定了基础，Mistral公司表示这将助力其在未来提供更强大的解决方案。
用户目前可通过Mistral Studio平台使用该模型，开源版本可在Hugging Face网站下载。
