|
Mistral 于 10 月 20 日发布 Voxtral 3，包含语音转写、语音生成模型和语音代理 SDK。官方介绍的核心变化，是把“听、推理、调用工具、开口回答”放进同一条实时流式流程，而不只是单独提供转写或 TTS。
Voxtral 3 系列覆盖实时转写、批量转写和语音生成：实时转写支持 40 多种语言，官方称可配置 80–2400 毫秒延迟，并内置回合结束检测、说话人分离和上下文偏置；语音生成支持 35 种以上语言及多种方言。Mistral 还称完整代理在通话中可接入身份核验、账单查询或预约等工具，端到端单轮可在一秒内完成。上述性能与能力描述来自厂商发布，实际效果仍应结合具体语言、网络和任务测试。
产品目前可通过 Mistral API 使用，也可咨询私有化部署；官方把数据驻留与自部署作为面向企业场景的选项。对客服、服务台和语音助手开发者来说，值得关注的不是单个语音模型，而是语音、通用推理模型、工具系统和电话/WebRTC接入被组合成可替换组件的方案。
来源：Mistral 官方发布
https://mistral.ai/news/voxtral-3/ |
0