#speech

Mistral Voxtral TTS — 3秒语音克隆+开放权重，但不支持日语

分析Mistral于2026年3月发布的4B参数开放权重TTS模型Voxtral：盲测中以更自然语调击败ElevenLabs Flash v2.5，3秒音频即可完成零样本语音克隆，且仅需8GB显存本地运行。然而日语和韩语的缺席是进军亚洲市场的致命短板。详解CC BY NC 4.0商用限制及替代方案选型。