Voxtral 3: Модели голоса и SDK для голосовых агентов в реальном времени
mistral ·
Mistral представила Voxtral 3 — новое семейство моделей для обработки речи и SDK голосовых агентов, предназначенных для многошаговых диалогов в реальном времени на более чем 50 языках. Пакет включает передовые модели транскрибации с поддержкой диааризации и контекстного смещения, а также возможности синтеза речи (TTS), адаптирующие эмоции и темп под контекст беседы. Ключевым нововведением стала интеграция прослушивания, рассуждений, вызова инструментов и генерации речи в единый потоковый конвейер, что позволяет агентам отвечать с задержкой менее одной секунды. Такая архитектура позволяет голосовым агентам выполнять сложные рабочие процессы, такие как запись на прием или проверка личности, сохраняя при этом естественное человеческое взаимодействие. Технология поддерживает более 35 языков и 50 диалектов, включая клонирование голоса по 30 минутам аудиозаписи для профессионального использования. Организации могут получать доступ к этим инструментам через API Mistral, размещенный в ЕС, или развертывать их на собственной инфраструктуре для обеспечения суверенитета данных. Цены начинаются с $0,0035 за минуту для пакетной транскрибации и $13 за миллион символов для генерации речи. Этот релиз призван предоставить надежные, выразительные и безопасные решения голосового ИИ для контакт-центров и виртуальных помощников.
mistral