Mistral AI 发布 Voxtral 3 语音模型和语音智能体 SDK

发生了什么

Mistral AI 发布了 Voxtral 3，这是一系列转录和语音生成模型，同时推出了基于 LiveKit 构建的语音智能体 SDK。转录支持 50 多种语言，语音生成支持 35 多种语言和 50 多种方言；该 SDK 将聆听、推理、工具调用和语音输出整合到一个流式处理管线中。Mistral 表示，该管线可在不到一秒内完成一轮交互。这些模型可通过 Mistral 的 API 使用；如需本地部署或私有云部署，可联系其团队。

4 家信源报道

这件事到目前为止

Mistral AI 发布了 Voxtral 3 转录和语音生成模型、语音代理 API，以及基于 LiveKit 的语音代理 SDK。这些模型可通过其托管于欧盟的 API 使用，也可部署在客户自己的基础设施上。希望在本地或私有云运行完整技术栈的组织，必须联系 Mistral 团队。 转录支持 50 多种语言，语音生成支持 35 多种语言和 50 多种方言。该 SDK 将聆听、推理、工具调用和语音输出整合到一个流式处理管道中。Mistral 表示，该管道可在不到一秒的时间内完成对话轮次。据 The Decoder 报道，转录价格为每分钟 0.0035 美元起。 Artificial Analysis 在其语音转文本排行榜中将 Voxtral Small Transcribe 3 排名第三，其 AA-WER 指数为 2.1%。该机构报告称，Mini Transcribe Realtime 3 在 960 毫秒和 480 毫秒时的最终转录文本 AA-WER 分别为 3.3% 和 3.6%，低于前代产品的 5.2%。Artificial Analysis 还在 Provider Voice 和 Controlled Voice 两个竞技场中均将 Voxtral 3 TTS 排名第 12，并报告其价格为每百万字符 13 美元。

继续阅读

正在热议

1. 1DeepSeek 开源 DeepInfer 及配套组件，但模型和硬件支持有限
2. 3Perplexity 为 Computer 增添完全本地化的 Mac 运行能力
3. 4研究人员发现链接泄露敏感信息后，Meta暂停Muse对话分享功能
4. 5OpenAI 推出编程评测，并报告称模型在低资源编程语言方面取得进展