Voxtral 3: речевые модели и SDK голосовых агентов от Mistral
Mistral представила Voxtral 3 — семейство моделей распознавания и синтеза речи с SDK для голосовых агентов, доступное через API, с задержкой в реальном времени менее 500 мс.
О чём статья
Voxtral 3 объединяет модели транскрипции (более 50 языков, с диаризацией и контекстной подсказкой), модель синтеза речи (более 35 языков и 50 диалектов) и SDK голосовых агентов на базе LiveKit. Конвейер слушает, рассуждает, вызывает инструменты и отвечает единым потоком, а реплика занимает менее секунды.
Аудио можно обрабатывать через API в ЕС или на инфраструктуре клиента, который сам решает, хранить ли записи. Модели уже доступны через API Mistral, тарификация за минуту для транскрипции и агентов.
Читать официальную статью Карточка AnnuIA
Краткое изложение написано AnnuIA своими словами по официальной странице Mistral AI. Содержание и права принадлежат издателю: читайте оригинальную статью.