Voxtral 3: Modelli di voce e SDK per agenti vocali in tempo reale
mistral ·
Mistral ha lanciato Voxtral 3, una nuova famiglia di modelli per il parlato e un SDK per agenti vocali progettati per conversazioni in tempo reale e multi-step in oltre 50 lingue. La suite include modelli di trascrizione all'avanguardia che supportano la diarizzazione e il biasing del contesto, insieme a funzionalità di text-to-speech che adattano emozione e ritmo al contesto conversazionale. Un'innovazione chiave è l'integrazione di ascolto, ragionamento, chiamata di strumenti e parlata in un unico pipeline in streaming, consentendo agli agenti di rispondere con latenza inferiore al secondo. Questa architettura permette agli agenti vocali di gestire flussi di lavoro complessi, come la prenotazione di appuntamenti o la verifica dell'identità, mantenendo interazioni naturali simili a quelle umane. La tecnologia supporta oltre 35 lingue e 50 dialetti, offrendo clonazione vocale da soli 30 minuti di audio per casi d'uso professionali. Le organizzazioni possono accedere a questi strumenti tramite l'API ospitata nell'UE di Mistral oppure distribuirli sulla propria infrastruttura per garantire la sovranità dei dati. I prezzi partono da 0,0035 dollari al minuto per la trascrizione batch e da 13 dollari per milione di caratteri per la generazione vocale. Questo rilascio mira a fornire soluzioni affidabili, espressive e sicure di intelligenza artificiale vocale per i contact center e gli assistenti virtuali.
mistral