#audio AI

Mistral prináša Voxtral TTS, 4B open-weight model pre text-to-speech. Sľubuje nízku latenciu, silnú viacjazyčnosť a lepšiu prirodzenosť pre nasadenie voice agentov vo firme.

Google sprístupnil Gemini 3.1 Flash TTS ako nový hlasový model s jemnejším riadením štýlu, tempa a prejavu vo viac než 70 jazykoch. Praktický význam nie je len v kvalite hlasu, ale v tom, že sa syntéza reči posúva bližšie k produkčným workflowom pre videá, asistenty a firemné voice rozhrania.

Voxtral Realtime a Voxtral Transcribe 2 posúvajú Mistral hlbšie do speech infra vrstvy a naznačujú, že open-weight audio modely už môžu byť reálnou alternatívou pre voice agentov, titulkovanie aj privátne deploymenty.