مصنوعی ذہانت کی دنیا میں ایک اور بڑی پیش رفت سامنے آئی ہے جہاں Mistral AI نے اپنا نیا ٹیکسٹ ٹو اسپیچ ماڈل Voxtral TTS لانچ کر دیا ہے۔ یہ ماڈل نہ صرف تیز اور ہلکا ہے بلکہ حیران کن حد تک طاقتور بھی ہے۔
اس ٹیکنالوجی کی سب سے خاص بات یہ ہے کہ یہ صرف چند سیکنڈز کی آڈیو سن کر کسی بھی آواز کو کلون کر سکتی ہے۔ یعنی اگر آپ کے پاس کسی کی صرف 5 سیکنڈ کی آواز ہو، تو AI اسی انداز میں مکمل جملے بول سکتا ہے۔ اس کے علاوہ یہ ماڈل نو مختلف زبانوں کو بھی سپورٹ کرتا ہے، جو اسے عالمی سطح پر مزید کارآمد بناتا ہے۔
اس Voxtral TTS کو Ministral 3B ماڈل پر بنایا گیا ہے اور یہ Mistral کے مکمل آڈیو ایکوسسٹم کا حصہ ہے، جس میں پہلے سے اسپیچ ٹو ٹیکسٹ یعنی transcription ماڈلز بھی شامل ہیں۔ اس کا مطلب ہے کہ اب ایک ہی پلیٹ فارم پر آواز کو سمجھنا اور پیدا کرنا دونوں ممکن ہو گیا ہے۔
ایک اور اہم بات یہ ہے کہ یہ ماڈل اوپن سورس ہے اور اتنا ہلکا ہے کہ اسے اسمارٹ فونز پر بھی چلایا جا سکتا ہے۔ یعنی اب طاقتور AI آواز بنانے کے لیے بھاری سرورز کی ضرورت نہیں رہے گی۔
مسٹرل کا یہ قدم براہ راست ElevenLabs، Deepgram اور OpenAI جیسے بڑے پلیئرز کو چیلنج کر رہا ہے۔ کمپنی کا ماننا ہے کہ اوپن سورس ہونے کی وجہ سے زیادہ کمپنیاں اسے اپنی ضرورت کے مطابق تبدیل کر سکیں گی، جس سے اس کی مقبولیت بڑھے گی۔
یہ پیش رفت اس بات کی واضح مثال ہے کہ AI اب صرف ٹیکسٹ تک محدود نہیں رہا بلکہ آواز کی دنیا میں بھی تیزی سے انقلاب لا رہا ہے۔ آنے والے وقت میں ممکن ہے کہ ہم اصل اور AI آواز میں فرق ہی نہ کر سکیں۔
یہ تحریر اے آئی کی دنیا کے فیس بک پیج پر پوسٹ کی گئی ہے
