Voxtral 3: Sprachmodelle und Voice-Agent-SDK von Mistral
Mistral startet Voxtral 3, eine Familie von Transkriptions- und Sprachsynthesemodellen mit Voice-Agent-SDK, per API verfügbar, mit Echtzeit-Latenz unter 500 ms.
Worum es im Artikel geht
Voxtral 3 vereint Transkriptionsmodelle (über 50 Sprachen, mit Sprechererkennung und Kontext-Biasing), ein Sprachsynthesemodell (über 35 Sprachen und 50 Dialekte) und ein auf LiveKit basierendes Voice-Agent-SDK. Die Pipeline hört zu, denkt, ruft Werkzeuge auf und antwortet als durchgehender Stream, wobei ein Gesprächszug unter einer Sekunde dauert.
Audio kann über die in der EU gehostete API oder auf der eigenen Infrastruktur des Kunden verarbeitet werden; der Kunde entscheidet über die Speicherung. Die Modelle sind ab sofort über die Mistral-API verfügbar, mit Minutenpreisen für Transkription und Agenten.
Offiziellen Artikel lesen AnnuIA-Profil
Zusammenfassung von AnnuIA in eigenen Worten nach der offiziellen Seite von Mistral AI. Inhalt und Rechte liegen beim Herausgeber: bitte den Originalartikel lesen.