Mistral AI 发布 Voxtral 3 实时语音智能体全套方案

Voxtral 3 是面向实时语音智能体的一组模型，由三部分组成：语音转写模型 Voxtral Small Transcribe 3、文本转语音模型 Voxtral Mini TTS 3，以及基于 LiveKit 的语音智能体 SDK。三者把听、思考、工具调用和说话串成单一流式流水线。转写覆盖 50 多种语言，语音合成支持 35 种以上语言和 50 种方言，并带情感适配。智能体可在实时对话中接入外部系统，例如预约或查询账单。 部署上，Mistral 表示该方案既可运行在自有基础设施，也可通过欧盟托管的 API 调用，便于把数据保留在自己控制范围内；转写定价为每分钟 0.0035 美元起，细节见官方文档。 对自建实时语音客服、语音助手的产品团队而言，这套方案的价值在于把转写、合成与工具调用打包，并可选择私有部署；对需要处理欧盟用户语音数据的开发者，欧盟托管 API 也是新的合规选项。