ModelInfo
简体中文
全部模型

Voxtral TTS

文字转语音模型,支持零样本声音克隆和 9 种语言,流式输出的首个音频延迟约 90ms。

Mistral AIvoxtral-mini-tts-26032026-03-23报告数据错误

规格

上下文
—
最大输出
—
输入价
$0/ 百万字符
输出价
$16/ 百万字符
发布日期
2026-03-23

上下文

官方未公布

价格 · USD / 百万字符

输入
$0
输出
$16
缓存读取
—
缓存写入
—

输入输出

输入
文本
输出
音频

API

接口类型
audio

思考

官方未公布

源信息

状态
可用
发布日期
2026-03-23
知识截止
—

能力

官方未公布
来源 · 官方文档核验 2026-10-11

调用方式

1 个 Provider

mistralmodel = voxtral-mini-tts-2603

audio
POSThttps://api.mistral.ai/v1/audio/speech

JSON

标准格式
voxtral-mini-tts-2603.json
{
  "id": "voxtral-mini-tts-2603",
  "object": "model",
  "created": 1774224000,
  "owned_by": "mistral",
  "name": "Voxtral TTS",
  "api": {
    "types": [
      "audio"
    ]
  },
  "limits": {
    "context": null,
    "input": null,
    "output": null
  },
  "modalities": {
    "input": [
      "text"
    ],
    "output": [
      "audio"
    ]
  },
  "reasoning": {
    "supported": null,
    "efforts": []
  },
  "pricing": {
    "currency": "USD",
    "unit": "1M_characters",
    "input": 0,
    "output": 16,
    "cache_read": null,
    "cache_write": null
  },
  "features": [],
  "info": {
    "status": "active",
    "release_date": "2026-03-23",
    "knowledge_cutoff": null,
    "description": "Text-to-speech model with zero-shot voice cloning, 9 languages, and streaming with about 90ms time-to-first-audio.",
    "docs": "https://docs.mistral.ai/models/voxtral-tts-26-03",
    "verified_at": "2026-10-11"
  }
}

官方来源

3