Mistral AI представила Voxtral 3 — полный стек для голосовых агентов, который слушает, думает и говорит в реальном времени

Mistral AI запустила Voxtral 3 — новое семейство языковых моделей, созданных для голосовых агентов, работающих в реальном времени. Система включает модель преобразования речи в текст (Voxtral Small Transcribe 3), модель преобразования текста в речь (Voxtral Mini TTS 3) и SDK для голосовых агентов на базе LiveKit. Вместе они объединяют прослушивание, мышление, использование инструментов и речь в едином потоковом конвейере. Транскрипция поддерживает более 50 языков. Синтез речи поддерживает более 35 языков и 50 диалектов с эмоциональной адаптацией. Агенты могут обращаться к внешним системам во время разговоров в реальном времени — например, чтобы записывать клиентов на встречи или проверять счета.

Mistral заявляет, что система может работать на собственной инфраструктуре или через API, размещённые в ЕС, чтобы данные оставались под вашим контролем. Стоимость транскрипции начинается от 0,0035 доллара за минуту. Подробнее — в документации.

Новости ИИ без шумихи — отобраны людьми

Подпишитесь на THE DECODER и получите чтение без рекламы, еженедельную рассылку об ИИ, наш эксклюзивный аналитический отчёт о передовых разработках «AI Radar» шесть раз в год, полный доступ к архиву и доступ к разделу комментариев.