Mistral AI startet Voxtral 3, einen vollständigen Sprachagenten-Stack, der in Echtzeit hört, denkt und spricht
decoder ·
Mistral AI hat Voxtral 3 vorgestellt, einen umfassenden Voice-Agent-Stack für Echtzeit-Interaktionen. Diese neue Modellfamilie integriert Spracherkennung (Speech-to-Text), Text-to-Speech-Erzeugung und ein auf LiveKit basierendes Voice-Agent-SDK in eine einzige Streaming-Pipeline. Das System unterstützt die Transkription in über 50 Sprachen und bietet Text-to-Speech-Funktionen in mehr als 35 Sprachen mit 50 Dialekten, einschließlich Funktionen zur emotionalen Anpassung. Die Agents sind in der Lage, während Live-Gespräche externe Tools zu nutzen, beispielsweise um Termine zu buchen oder Rechnungen einzusehen. Mistral betont den Datenschutz, indem das System entweder auf privater Infrastruktur oder über in der EU gehostete APIs ausgeführt werden kann. Die Preise für den Transkriptionsservice beginnen bei 0,0035 US-Dollar pro Minute. Mit diesem Launch positioniert sich Voxtral 3 als vollständige Lösung für Entwickler, die reaktionsfähige, sprachbasierte KI-Anwendungen entwickeln möchten.
decoder