À l'inverse de la transcription, Voxtral TTS transforme du texte en parole naturelle — et peut reproduire une voix spécifique à partir d'un très court échantillon.

Définition — Voxtral TTS

Un modèle de synthèse vocale capable de cloner une voix (zero-shot) à partir d'un échantillon de 2 à 3 secondes, en capturant le ton, le rythme et la personnalité — sans balises de prosodie séparées. Support de 9 langues avec clonage cross-lingue et code-mixing.

Latence de traitement très faible (~90ms) en streaming, adaptée aux agents vocaux en direct. Gestion de voix réutilisables pour une cohérence de marque.

🧪 À tester maintenant : sur La Plateforme, ouvrez le Playground text-to-speech, testez une génération de voix standard, puis un clonage à partir d'un court extrait audio.