Mistral predstavio novi AI model – pretvara tekst u govor, podržava devet jezika

Model, nazvan Voxtral, stavlja Mistral u direktnu konkurenciju sa kompanijama kao što su Deepgram i OpenAI. Voxtral podržava devet jezika, konkretno engleski, francuski, nemački, španski, holandski, portugalski, italijanski, hindi i arapski.

Ovaj AI model može da prilagodi glas uz uzorak kraći od pet sekundi, prepoznaje naglaske, intonacije i ritam govora, a može i lako da prelazi između jezika bez gubitka karakteristika određenog glasa, prenosi Tech Crunch.

Novi model je veoma brz - čim mu se pošalje tekst, počinje da "govori" za svega 90 milisekundi, što znači da suštinski radi u realnom vremenu. Za generisanje deset sekundi zvuka mu je potrebno oko 1,6 sekundi, nekoliko puta brže od stvarnog trajanja audio - snimka.

Ranije ove godine, Mistral je lansirao modele za transkripciju - jedan za obradu velikih serija podataka, drugi za primenu u realnom vremenu, sa neznatnim kašnjenjem.  Novi TTS model omogućava kompaniji da ponudi kompletnu paletu glasovnih proizvoda za preduzeća.