Mistral 发布实时语音栈 Voxtral 3

Mistral AI 推出了 Voxtral 3，这是一个面向实时语音 Agent 的全新语言模型系列。整套系统包括语音转文字模型（Voxtral Small Transcribe 3）、文字转语音模型（Voxtral Mini TTS 3），以及基于 LiveKit 的语音 Agent SDK。它们将聆听、思考、工具调用和说话整合进同一条流式处理流水线。语音转写覆盖 50 多种语言；文字转语音支持 35 多种语言和 50 种方言，并能根据情绪调整语音表达。Agent 可以在实时对话中接入外部系统，例如预约时间或查询发票。

Mistral 表示，这套系统既可以运行在用户自己的基础设施上，也可以通过托管在欧盟的 API 使用，让用户掌握数据控制权。语音转写的起价为每分钟 0.0035 美元。更多细节请参阅文档。

由人工精选、不炒作的 AI 新闻

订阅 THE DECODER，即可享受无广告阅读、每周 AI 新闻简报、每年六期的独家前沿报告「AI Radar」、完整的历史内容访问权限，以及评论区访问权限。