Mistral objavljuje novi otvoreni model za generiranje govora

Mistral, francuska tvrtka za umjetnu inteligenciju, objavila je novi otvoreni model za generiranje govora zvan Voxtral TTS. Ovaj model može se koristiti od strane glasovnih pomoćnika ili u poduzećima za potrebe podrške kupcima.

Prema dostupnim informacijama, model može raditi na pametnim satovima ili smartphone-u, što ga čini izuzetno prilagodljivim. Mistral je već ranije pokazao sposobnosti u transkripciji, a sada proširuje svoje ponude na generiranje govora.

Ovaj model podržava devet jezika i može se prilagoditi posebnim glasovima s uzorkom manjim od pet sekundi. To otvara nove mogućnosti za poduzeća koja žele koristiti glasovne pomoćnike ili automatske sustave za podršku kupcima.

TechCrunch navodi da je ovo značajan korak za Mistral, koji time ulazi u direktan konkurentski odnos s tvrtkama kao što su ElevenLabs, Deepgram i OpenAI.

Kao što je objavljeno od strane Mistrala, cilj im je stvoriti krajnju platformu koja može obrađivati multimodalne ulaze, uključujući audio, tekst i slike, kao i izlazne podatke. To bi omogućilo tvrtkama da koriste glasovne pomoćnike na daleko sofisticiraniji način.

Voxtral TTS bi mogao biti ključni dio te platforme, nudeći sposobnost generiranja kvalitetnog govora koji se može prilagoditi potrebama korisnika. Što se tiče performansi, Mistral navodi da je njihov model izuzetno brz, s vremenom odgovora manjim od 90 ms.

To bi ga učinilo jednim od najbržih modela za generiranje govora dostupnih na tržištu. Međutim, važno je uzeti u obzir da su ovi brojevi još uvijek u fazi testiranja i da će stvarna performansa ovisiti o konkretnim aplikacijama i okruženjima u kojima se koristi.

Razvoj Voxtral TTS-a je rezultat Mistralovog nastojanja da stvori krajnju platformu za multimodalne ulaze. Ova platforma će omogućiti tvrtkama da koriste glasovne pomoćnike na daleko sofisticiraniji način, što će rezultirati boljom podrškom kupcima i poboljšanim njihovim iskustvom. Mistralov model je izuzetno brz i podržava devet jezika.