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。
标签
tts
3篇文章
Kitten TTS V0.8 — 不到25MB实现SOTA的超小型TTS模型完全解析
深入分析14M参数、不到25MB即可实现云端TTS品质的Kitten TTS V0.8。探讨边缘设备部署的可能性及本地语音AI最新趋势。
KaniTTS2 — 仅需3GB VRAM即可实现语音克隆的开源TTS模型
4亿参数轻量级TTS模型KaniTTS2已开源发布，仅需3GB VRAM即可实现零样本语音克隆，预训练代码完全公开。本文分析MOS评分和语音克隆质量，并深入探讨其在本地AI环境中的实际应用潜力与语音AI民主化意义。