Voxtral 3：Mistralの音声モデルと音声エージェントSDK
MistralはVoxtral 3を発表。文字起こしと音声合成のモデル群と音声エージェントSDKで、APIから利用でき、リアルタイム文字起こしの遅延は500ms未満です。
記事の内容
Voxtral 3は、文字起こしモデル（50以上の言語、話者分離とコンテキスト指定に対応）、音声合成モデル（35以上の言語と50以上の方言）、LiveKit上に構築された音声エージェントSDKをまとめたものです。聞き取り、推論、ツール呼び出し、返答を一連のストリームで処理し、1ターンは1秒未満です。
音声はEUでホストされるAPIまたは顧客自身のインフラで処理でき、保存の有無も顧客が決められます。Mistral APIで今すぐ利用でき、文字起こしとエージェントは分単位の料金です。
この要約は、Mistral AI の公式ページをもとに AnnuIA が自分の言葉で作成しました。内容および権利は発行元に帰属します。元の記事をご覧ください。