Mistral AI представила Voxtral 3 — повний стек для голосових агентів, який слухає, думає та говорить у реальному часі

Mistral AI запустила Voxtral 3 — нове сімейство мовних моделей, створених для голосових агентів, що працюють у реальному часі. Система включає модель перетворення мовлення на текст (Voxtral Small Transcribe 3), модель перетворення тексту на мовлення (Voxtral Mini TTS 3) і SDK для голосових агентів на основі LiveKit. Разом вони поєднують слухання, мислення, використання інструментів і мовлення в єдиний потоковий процес. Транскрипція підтримує понад 50 мов. Виведення тексту в мовлення підтримує понад 35 мов і 50 діалектів з емоційною адаптацією. Під час живих розмов агенти можуть підключатися до зовнішніх систем — наприклад, щоб записувати на прийом або перевіряти рахунки.

У Mistral зазначають, що система може працювати на власній інфраструктурі або через API, розміщені в ЄС, щоб ви зберігали контроль над даними. Ціни на транскрипцію починаються від 0,0035 долара за хвилину. Докладніша інформація доступна в документації.

Новини ШІ без хайпу — відібрані людьми

Підпишіться на THE DECODER, щоб читати без реклами, отримувати щотижневу розсилку про ШІ, ексклюзивний передовий звіт «AI Radar» шість разів на рік, повний доступ до архіву та доступ до розділу коментарів.