Mistral Voxtral TTS logo

Mistral Voxtral TTS

開く

Mistral Voxtral TTS(v26.03)は音声合成モデル。ゼロショット音声クローン、9言語、初回音声まで約90ms。CC BY-NC 4.0で、100万文字あたり$16です。

共有:
代替ツールを見る

Voxtral TTS は Mistral の音声合成(テキスト読み上げ)モデルです。モデルページによると、バージョン26.03(API ID は voxtral-mini-tts-2603)は2026年3月23日にリリースされ、9言語とゼロショットの音声クローンに対応し、ストリーミングで初回音声まで約90ms、/v1/audio/speech エンドポイントから利用できます。その後 Mistral は、後述の新しいモデル Voxtral TTS 3 を掲載しています。

新しいモデル

Mistral のモデル概要には、現在 Voxtral TTS 3(voxtral-mini-tts-3-0)が載っています。そのモデルページには、リリース日2026年10月20日、Public Preview、35以上の言語と50以上の方言、ゼロショットとプロフェッショナルの音声クローン、ストリーミングで初回音声まで約90ms、料金は100万文字あたり$13と記されています。これらのページは26.03を非推奨とはしておらず、新モデルがそれに置き換わるかどうかも述べていません。

主な機能

  • ゼロショット音声クローン:短い音声プロンプトから声をクローンできます。ページによると、音声プロンプトに書き起こしは不要です。
  • 低レイテンシ:初回音声まで約90ms、ストリーミング対応。
  • 多言語:バージョン26.03は9言語に対応。ページには言語の一覧がありません。
  • ライセンス:CC BY-NC 4.0 で、非商用ライセンスです。

モデル仕様

項目 Voxtral TTS 26.03
API モデル ID voxtral-mini-tts-2603
リリース日 2026年3月23日
対応言語 9
初回音声まで 約90ms、ストリーミング
ライセンス CC BY-NC 4.0
エンドポイント /v1/audio/speech

料金

モデルページ(2026年10月29日に確認)には、バージョン26.03が100万文字あたり$16と記載されています。予算化の前に Mistral の料金ページで確認してください。

活用シーン

  • 初回音声の速さが重要な音声エージェント。
  • 利用権のあるクローン音声によるナレーションやボイスオーバー。
  • Voxtral Mini Transcribe 2 などの音声認識と組み合わせた音声ループ。

クイックスタート

  1. Mistral の API キーを作成し、Voxtral TTS モデルで /v1/audio/speech を呼び出す。
  2. 音声クローン用に短い音声プロンプトを渡し、低遅延のためにストリーミングを有効にする。
  3. 商用利用の前にライセンス条件を確認する。掲載されているライセンスは CC BY-NC 4.0 です。

よくある質問

Voxtral TTS は何言語に対応していますか?

バージョン26.03は9言語です。新しい Voxtral TTS 3 は35以上の言語と50以上の方言を掲載しています。

料金は?

2026年10月29日時点で、26.03は100万文字あたり$16、Voxtral TTS 3は100万文字あたり$13です。

音声クローンはできますか?

はい。26.03はゼロショットの音声クローンを提供し、Voxtral TTS 3 ではプロフェッショナルの音声クローンが加わります。

商用利用できますか?

ページに記載されているのは非商用の CC BY-NC 4.0 です。ご利用の経路に適用される条件を確認してください。

代替ツール

まとめ

Voxtral TTS は、ストリーミング音声、音声クローン、文字単位の公開価格を兼ね備えています。詳細はモデルページを、より広い言語対応が必要なら Voxtral TTS 3 もご検討ください。

出典

コメント

まだコメントがありません。最初のコメントを投稿してください!