Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK
Mistral 发布 Voxtral 3 语音模型家族,包含语音转写与语音合成模型,以及基于 LiveKit 的语音智能体 SDK,把听、推理、工具调用和说合成一条实时流式流水线。
转写模型 Voxtral Small Transcribe 3 支持 50+ 语言、说话人分离和上下文偏置,官方称其表现优于 Whisper、Scribe v2 和 Gemini 3.5 Transcribe;实时版在 35+ 语言下延迟低于 500ms。合成模型 Voxtral Mini TTS 3 支持 35+ 语言和 50+ 方言,可按上下文调整情绪、语速和重音,定价 $13/1M 字符。
关注点
Mistral 把语音识别、推理与语音合成串成一条实时流水线,读者可据此判断语音智能体的搭建门槛和部署选择。