Voxtral 3 : Modèles vocaux et SDK pour agents conversationnels en temps réel
mistral ·
Mistral a lancé Voxtral 3, une nouvelle famille de modèles de parole et un SDK d'agent vocal conçu pour des conversations en temps réel et multi-étapes dans plus de 50 langues. La suite comprend des modèles de transcription de pointe prenant en charge la diarisation et le biais contextuel, ainsi que des capacités de synthèse vocale (text-to-speech) qui adaptent l'émotion et le rythme aux contextes conversationnels. Une innovation majeure réside dans l'intégration de l'écoute, du raisonnement, de l'appel d'outils et de la parole au sein d'un seul pipeline en streaming, permettant aux agents de répondre avec une latence inférieure à une seconde. Cette architecture permet aux agents vocaux de gérer des flux de travail complexes, tels que la prise de rendez-vous ou la vérification d'identité, tout en maintenant des interactions naturelles semblables à celles des humains. La technologie prend en charge plus de 35 langues et 50 dialectes, et propose le clonage vocal à partir de seulement 30 minutes d'audio pour les cas d'utilisation professionnels. Les organisations peuvent accéder à ces outils via l'API hébergée par Mistral en Europe ou les déployer sur leur propre infrastructure afin de garantir la souveraineté des données. Les tarifs démarrent à 0,0035 $ par minute pour la transcription par lots et à 13 $ par million de caractères pour la génération de parole. Ce lancement vise à fournir des solutions d'IA vocale fiables, expressives et sécurisées pour les centres de contact et les assistants virtuels.
mistral