Mistral AI 发布 Voxtral 3 实时语音智能体全家桶

Mistral AI 发布了 Voxtral 3，这是一系列专为实时语音智能体打造的新语言模型。该系统包括一个语音转文本模型（Voxtral Small Transcribe 3）、一个文本转语音模型（Voxtral Mini TTS 3），以及一个基于 LiveKit 的语音智能体 SDK。三者共同将聆听、思考、工具使用和说话整合到单一的流式处理流程中。语音转写支持超过 50 种语言。文本转语音输出支持超过 35 种语言和 50 种方言，并具备情感自适应能力。智能体可以在实时对话中调用外部系统，例如预约或查询发票。

Mistral 表示，该系统可以在你自己的基础设施上运行，或通过欧盟托管的 API 使用，以保持数据处于你的掌控之中。语音转写定价为每分钟 0.0035 美元起。更多详情请见文档。

AI 新闻，拒绝炒作 – 由真人精选

订阅 THE DECODER，享受无广告阅读、每周 AI 新闻通讯、每年六期独家 "AI Radar" 前沿报告、完整档案访问权限，以及评论区访问权限。