Voxtral 3: रियल-टाइम वॉयस एजेंट्स के लिए मॉडल्स और एसडीके
mistral ·
मिस्ट्रल ने वॉक्सट्रल 3 (Voxtral 3) लॉन्च किया है, जो 50 से अधिक भाषाओं में वास्तविक समय और बहु-चरणीय बातचीत के लिए डिज़ाइन किए गए स्पीच मॉडल्स और वॉइस एजेंट SDK का एक नया परिवार है। इस सूट में उन्नत ट्रांसक्रिप्शन मॉडल्स शामिल हैं जो डायरिजाइजेशन और संदर्भ बायसिंग का समर्थन करते हैं, साथ ही टेक्स्ट-टू-स्पीच क्षमताएं भी हैं जो भावनाओं और गति को बातचीत के संदर्भ के अनुसार अनुकूलित करती हैं। एक प्रमुख नवाचार सुनने, तर्क करने, टूल कॉलिंग और बोलने को एकल स्ट्रीमिंग पाइपलाइन में एकीकृत करना है, जिससे एजेंट उप-सेकंड विलंबता के साथ जवाब दे सकते हैं। यह आर्किटेक्चर वॉइस एजेंट्स को अपॉइंटमेंट बुक करना या पहचान की पुष्टि करना जैसे जटिल कार्यप्रवाह संभालने में सक्षम बनाता है, जबकि प्राकृतिक मानवीय बातचीत बनाए रखता है। तकनीक 35 से अधिक भाषाओं और 50 बोली-भाषाओं का समर्थन करती है, जिसमें पेशेवर उपयोग मामलों के लिए केवल 30 मिनट के ऑडियो से वॉइस क्लोनिंग की सुविधा है। संगठन मिस्ट्रल की यूरोपीय संघ में होस्ट की गई API के माध्यम से इन टूल्स तक पहुंच सकते हैं या डेटा संप्रभुता सुनिश्चित करने के लिए उन्हें अपनी स्वयं की इंफ्रास्ट्रक्चर पर तैनात कर सकते हैं। बैच ट्रांसक्रिप्शन के लिए कीमत प्रति मिनट $0.0035 से शुरू होती है और स्पीच जनरेशन के लिए प्रति मिलियन कैरेक्टर $13 है। यह रिलीज कॉन्टैक्ट सेंटर और वर्चुअल असिस्टेंट्स के लिए विश्वसनीय, अभिव्यक्तिपूर्ण और सुरक्षित वॉइस AI समाधान प्रदान करने के उद्देश्य से है।
mistral