模型

Voxtral-4B-TTS-2603

mistralai/Voxtral-4B-TTS-2603

查看上游原文 ↗
上游访问:公开 本站服务:可咨询 内容检查:AI 辅助整理并检查 许可证:cc-by-nc-4.0 上游版本:b81be46c3777

中文简介

mistralai/Voxtral-4B-TTS-2603 是 mistralai 在 Hugging Face 发布的模型仓库,当前卡片主要关联语音合成。本站固定记录上游版本 b81be46c3777,同步到 25 个文件,文件元数据合计 22.97 GB;访问状态为“公开”,许可证字段为“cc-by-nc-4.0”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 mistralai/Voxtral-4B-TTS-2603 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
mistralai/Voxtral-4B-TTS-2603 是 mistralai 在 Hugging Face 发布的模型仓库,当前卡片主要关联语音合成。本站固定记录上游版本 b81be46c3777,同步到 25 个文件,文件元数据合计 22.97 GB;访问状态为“公开”,许可证字段为“cc-by-nc-4.0”。

【适用方向】
适合评估语音合成、音色控制和语音交互原型。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。

【版本与规格】
固定版本:b81be46c3777。 任务标签:语音合成。 语言字段:en, fr, es, pt, it, nl, de, ar, hi。 库标记:vllm。 上游标注的基础模型:mistralai/Ministral-3-3B-Base-2512。 上游页面记录的最近更新时间:2026-03-31。

【文件信息】
上游 API 返回 25 个文件,文件元数据合计 22.97 GB。 已保存文件清单中的主要扩展名:.pt 20 个、.json 2 个、.md 1 个、.safetensors 1 个、无扩展名 1 个。 当前较大的文件包括:consolidated.safetensors(7.46 GB);tekken.json(14.20 MB);voice_embedding/neutral_female.pt(1.28 MB)。

【运行或处理环境】
仓库文件元数据合计 22.97 GB。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。

【使用边界】
许可证显示为“cc-by-nc-4.0”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-26 00:51

Voxtral 4B TTS 2603 Voxtral TTS is a frontier, open-weights text-to-speech model that’s fast, instantly adaptable, and produces lifelike speech for voice agents. The model is released with BF16 weights and a set of reference voices. These voices are licensed under CC BY-NC 4, which is the license that the model inherits. For more details, see our: 🔊 Demo ✍️ Blog post 🔬 Research Paper Key Features Voxtral TTS delivers enterprise-grade text-to-speech for production voice agents, with the following capabilities: **Realistic, expressive speech** with natural prosody and emotional range across 9 major languages, with support for diverse dialects **Text-to-Speech generation** with 20 preset voices and easy adaptation to new voices **Multilingual support**: English, French, Spanish, German, Italian, Portuguese, Dutch, Arabic, and Hindi **Very low latency** with fast time-to-first-audio, plus streaming and batch inference support **24 kHz audio output** in WAV, PCM, FLAC, MP3, AAC, and Opus formats **Production-ready performance** for high-throughput, real-time voice agent workflows [!Tip] For voice customization, visit our AI Studio. Use Cases Customer support and call center infrastructure. Financial services. _-- with video demo on banking KYC voice agents._ Manufacturing and industrial operations. Public services and government. Compliance and risk. Supply chain and logistics. Automotive and in-vehicle systems. Sales and marketing. Real-time translation. [!Warning] Responsible Use - You are responsible for complying with applicable laws and avoiding misuse. Benchmark Results Measured using vllm_omni/examples/offline_inference/voxtral_tts/end2end.py. Input: 500-character text with a 10-second audio reference. Hardware: single NVIDIA H200. vllm version: v0.18.0. Note*: The RTF in `end2end.py` uses an inverted formula (higher = better). The table below converts it back to the standard RTF convention (lower = better) | Concurrency | Latency | RTF | Throughput (char/s/GPU) |

公开页仅展示原文摘录;完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合评估语音合成、音色控制和语音交互原型。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。

模型参数

固定版本:b81be46c3777。 任务标签:语音合成。 语言字段:en, fr, es, pt, it, nl, de, ar, hi。 库标记:vllm。 上游标注的基础模型:mistralai/Ministral-3-3B-Base-2512。 上游页面记录的最近更新时间:2026-03-31。

文件说明

上游 API 返回 25 个文件,文件元数据合计 22.97 GB。 已保存文件清单中的主要扩展名:.pt 20 个、.json 2 个、.md 1 个、.safetensors 1 个、无扩展名 1 个。 当前较大的文件包括:consolidated.safetensors(7.46 GB);tekken.json(14.20 MB);voice_embedding/neutral_female.pt(1.28 MB)。

上游文件元数据

  • .gitattributes1.58 KB
  • consolidated.safetensors7.46 GB
  • params.json3.40 KB
  • README.md5.86 KB
  • tekken.json14.20 MB
  • voice_embedding/ar_male.pt403.57 KB
  • voice_embedding/casual_female.pt1.26 MB
  • voice_embedding/casual_male.pt883.57 KB
  • voice_embedding/cheerful_female.pt793.57 KB
  • voice_embedding/de_female.pt883.57 KB
  • voice_embedding/de_male.pt979.57 KB
  • voice_embedding/es_female.pt829.57 KB

硬件建议

仓库文件元数据合计 22.97 GB。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。

注意事项

许可证显示为“cc-by-nc-4.0”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。