Voxtral 3：实时语音代理模型与SDK
mistral ·
Mistral推出了Voxtral 3，这是一个全新的语音模型系列及语音代理SDK，专为支持50多种语言的实时多步对话而设计。该套件包含最先进的转录模型，支持说话人分离和上下文偏置，以及能够根据对话语境调整情感和语速的文本转语音功能。其关键创新在于将听、推理、工具调用和说整合到一个单一的流式管道中，使代理能够实现亚秒级的响应延迟。这种架构使语音代理能够处理复杂的业务流程（如预约安排或身份验证），同时保持自然的人类交互体验。该技术支持35种语言和50种方言，并提供仅需30分钟音频即可实现的语音克隆功能，适用于专业场景。组织可通过Mistral托管于欧盟的API访问这些工具，或将其部署在自有基础设施上以确保数据主权。定价方面，批量转录起步价为每分钟0.0035美元，语音生成为每百万字符13美元。此次发布旨在为联络中心和虚拟助手提供可靠、富有表现力且安全的语音AI解决方案。
mistral