Mistral AI 发布 Voxtral 3,一个能实时听、想、说的完整语音智能体栈
decoder ·
Mistral AI 推出了 Voxtral 3,这是一个专为实时交互设计的全面语音代理堆栈。该新模型系列将语音转文字转录、文字转语音生成以及基于 LiveKit 构建的语音代理 SDK 整合到一个单一的流式管道中。该系统支持超过 50 种语言的转录,并提供涵盖 50 种方言的 35 多种语言的文字转语音功能,包括情感适应特性。代理能够在实时对话中利用外部工具,例如预订会议或查看发票。Mistral 强调数据隐私,允许系统在私有基础设施上运行或通过欧盟托管的 API 进行访问。转录服务的价格从每分钟 0.0035 美元起。此次发布使 Voxtral 3 成为旨在开发响应式语音 AI 应用的开发者的完整解决方案。
decoder