Bemutatta a Voxtral 3-at a Mistral AI, valós idejű hangügynökökre épül
A Mistral AI új Voxtral 3 platformja valós idejű hangügynököket tesz lehetővé, amelyek képesek hallani, gondolkodni, eszközöket használni és beszélni, több mint 35 nyelven (a feliratozás pedig több mint 50 nyelven).
A Mistral AI bemutatta a Voxtral 3-at, amely egy új, valós idejű hangügynökökre épülő modellcsalád. A rendszer egyetlen streaming folyamatban egyesíti a hallást, gondolkodást, eszközhasználatot és beszédet — közölte a Mistral. (The Decoder)
A platform fő komponensei a Voxtral Small Transcribe 3 (beszéd-szöveg) és a Voxtral Mini TTS 3 (szöveg-beszéd) modellek, valamint a LiveKit alapú voice agent SDK. A feliratozás több mint 50 nyelvet támogat, míg a szövegfelolvasás 35+ nyelven és 50 dialektuson érhető el, érzelmi adaptációval.
Az ügynökök képesek külső rendszerekhez kapcsolódni élő beszélgetések során, például időpontfoglaláshoz vagy számlák ellenőrzéséhez. A Mistral szerint a rendszer futtatható saját infrastruktúrán, vagy EU-ban hosztolt API-kon keresztül, így az adatok a felhasználó ellenőrzése alatt maradnak.
A Voxtral 3 transzkripciós díjszabása percenként 0,0035 dollártól indul.