Mistral 发布 Voxtral 3 语音模型与语音智能体 SDK
Mistral AI 发布 Voxtral 3 系列，包含语音转文字、文字转语音模型和语音智能体 SDK，支持实时多轮对话和工具调用。转写模型覆盖 50 多种语言，TTS 支持 35 种以上语言，可通过其欧盟托管 API 或自行部署使用。适合构建客服、虚拟助手等语音应用的开发者。
要点速览
- 01发布 Voxtral Small Transcribe 3 转写模型，支持 50 种语言，官方称在多语言转写和说话人分离上超越 Whisper、Scribe v
- 02Voxtral Mini Transcribe 为 4B 参数，转写价格 0.0035 美元/分钟
- 03Voxtral Mini TTS 3 语音合成支持 35 种以上语言和 50 种以上方言，可根据语境调整情绪和语速
- 04语音智能体 SDK 将听、推理、工具调用、说话整合为实时流式管线，支持电话和网页场景
- 05Realtime 转写模型延迟低于 500 毫秒，支持 35 种以上语言
背景
构建能实时听、推理、执行多步操作的端到端语音智能体一直较难，Mistral 此前已有 Voxtral 语音模型系列，此次是升级并补齐智能体开发能力。
影响
对开发客服中心、语音助手、免手操作副驾驶类应用的开发者和企业有用，尤其需要多语言和数据主权部署的场景。
原文来自 Mistral AI 博客，版权归原作者所有。中文标题和摘要由 AI 根据原文自动生成，可能有误，请以原文为准。