Voxtral 3: Modelos de voz e SDK para agentes em tempo real
mistral ·
A Mistral lançou o Voxtral 3, uma nova família de modelos de fala e um SDK para agentes de voz projetado para conversas em tempo real e multietapas em mais de 50 idiomas. O pacote inclui modelos de transcrição de última geração que suportam diarização e viés contextual, além de capacidades de texto-para-fala que adaptam emoção e ritmo aos contextos conversacionais. Uma inovação chave é a integração de escuta, raciocínio, chamada de ferramentas e fala em um único pipeline de streaming, permitindo que os agentes respondam com latência inferior a um segundo. Essa arquitetura permite que agentes de voz lidem com fluxos de trabalho complexos, como agendar compromissos ou verificar identidades, mantendo interações naturais semelhantes às humanas. A tecnologia suporta mais de 35 idiomas e 50 dialetos, apresentando clonagem de voz a partir de apenas 30 minutos de áudio para casos de uso profissional. As organizações podem acessar essas ferramentas por meio da API hospedada na UE da Mistral ou implantá-las em sua própria infraestrutura para garantir a soberania dos dados. Os preços começam em US$ 0,0035 por minuto para transcrição em lote e US$ 13 por milhão de caracteres para geração de fala. Este lançamento visa fornecer soluções confiáveis, expressivas e seguras de IA de voz para centros de contato e assistentes virtuais.
mistral