# Mistral AI 发布 4B 参数语音合成模型 Voxtral TTS

> 原标题：Speaking of Voxtral

- 来源：Mistral AI
- 发布时间：2026-03-23T16:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/ol4jc386djmpvs590zennn5g9
- 原文：https://mistral.ai/news/voxtral-tts/

## 摘要

Mistral AI 发布首个文本转语音模型 Voxtral TTS，4B 参数，支持英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语 9 种语言，具备情感表达与零样本跨语言音色适配能力。

## 推荐理由

Mistral AI 推出 4B 参数语音合成模型 Voxtral TTS，覆盖 9 种语言并支持零样本跨语言音色适配，其与 ElevenLabs 的对比评测提供了多语言语音质量的一个参照。

## 锐评

4B 参数敢报 $0.016 每千字符，Mistral 这是拿价格直接去撬 ElevenLabs 的企业客户。按这个价，一段一千字的客服话术成本不到两分钱，语音 agent 里 TTS 那部分基本可以忽略不计了。它自己说自然度超过 Flash v2.5、跟 v3 打平，这个对比是自家做的人类评测，我保留意见，但 70ms 首包延迟和 9.7x 实时率是能直接进生产环境的数。反正做多语言语音 agent 的，现在多了一个便宜一个量级的备选。
