Evropski odgovor na OpenAI: Mistral lansirao Voxtral, model koji "progovara" za 90 milisekundi

Francuska kompanija za razvoj veštačke inteligencije Mistral danas je lansirala novi model za pretvaranje teksta u govor (TTS) koji može da se koristi u glasovnim asistentima ili za poslovne potrebe, poput korisničke podrške i prodaje.

Model, nazvan Vokstral (Voxtral TTS), stavlja Mistral u direktnu konkurenciju sa kompanijama kao što su Ileven lebs, Dipgram i Open AI.

Viber uvodi veliku novinu: Menja se način korišćenja interneta, funkcija dostupna i u Srbiji

Instagram uveo novinu koju smo dugo čekali: Veća kontrola nad izgledom i učinkom objava

Vokstral podržava devet jezika, konkretno engleski, francuski, nemački, španski, holandski, portugalski, italijanski, hindi i arapski.

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 Teh kranč.

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.

Ajfon vam deluje usporeno? Ova jednostavna opcija će ga odmah ubrzati, treba vam manje od minut

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.

Mistral se pozicionira kao alternativa konkurenciji jer je otvorenog koda i prilagodljiv, što omogućava kompanijama da modeli glasa budu podešeni prema njihovim potrebama i zahtevima.

Ako lozinke držite ovde u telefonu, hakeri ih mogu videti: Stručnjaci savetuju da ih odmah obrišete

Kraj za "klikbejt" na Youtube-u: Korisnici će moći da vide delove videa pre nego što kliknu