Voxtral 3: Modelos de voz y SDK para agentes en tiempo real
mistral ·
Mistral ha lanzado Voxtral 3, una nueva familia de modelos de voz y un SDK para agentes de voz diseñado para conversaciones en tiempo real y multietapa en más de 50 idiomas. La suite incluye modelos de transcripción de última generación que admiten diarización y sesgo contextual, junto con capacidades de texto a voz que adaptan la emoción y el ritmo al contexto conversacional. Una innovación clave es la integración de escucha, razonamiento, llamada de herramientas y habla en un único flujo de trabajo continuo, lo que permite a los agentes responder con una latencia inferior a un segundo. Esta arquitectura permite a los agentes de voz gestionar flujos de trabajo complejos, como reservar citas o verificar identidades, manteniendo interacciones naturales similares a las humanas. La tecnología admite más de 35 idiomas y 50 dialectos, e incluye clonación de voz a partir de solo 30 minutos de audio para casos de uso profesionales. Las organizaciones pueden acceder a estas herramientas a través de la API alojada en la UE de Mistral o implementarlas en su propia infraestructura para garantizar la soberanía de los datos. Los precios comienzan en 0,0035 dólares por minuto para la transcripción por lotes y 13 dólares por millón de caracteres para la generación de voz. Este lanzamiento tiene como objetivo ofrecer soluciones de IA de voz confiables, expresivas y seguras para centros de contacto y asistentes virtuales.
mistral