Python Community | Chat

📢 Mistral выпустили Voxtral TTS - open-weight голосовую модель, которая метит в уровень ElevenLabs, но без платных ограничений Главное: - всего ~3B параметров - работает даже на ноутбуке - скорость ~6x быстрее реального времени - ~90 мс до первого звука - ~3GB RAM после квантования - 9 языков + клонирование голоса по 5 секундам аудио (даже между языками) Как работает: - 3.4B - понимает текст и планирует речь - 390M - отвечает за ритм, произношение, интонацию - 300M - превращает всё в финальный аудио сигнал Такое разделение ускоряет модель и делает её легче, чем один большой монолит По тестам: - 62.8% предпочли её ElevenLabs Flash (дефолтные голоса) - 69.9% - на кастомных голосах https://mistral.ai/news/voxtral-tts 🐍 Python полезные ресурсы ( ) () @Python_Community_ru