Mistral 发布 Voxtral 3：支持50+语言的语音模型与语音代理SDK

OmniTools 10月21日消息，Mistral 10月20日发布 Voxtral 3 系列语音模型及 Voice Agent SDK，将语音识别、推理、工具调用和语音合成整合到单一实时流式管线中，面向呼叫中心、虚拟助手和免手操作 copilot 等场景。

Voxtral Small Transcribe 3 支持 50 多种语言转写，具备说话人分离、上下文偏置和轮次结束检测；Voxtral Mini Transcribe 3 为 4B 参数模型，定价 0.0035 美元/分钟。实时转写模型可在 35 多种语言下实现低于 500 毫秒延迟。

语音合成方面，Voxtral Mini TTS 3 支持 35 多种语言和 50 多种方言，可根据对话上下文调整情绪、语速和重音，定价为每 100 万字符 13 美元。Pro Voice 适配可用 30 分钟音频复现说话人特征、情绪范围和表达风格。

Voxtral 3 可通过 Mistral 欧盟托管 API 使用，也支持在企业自有基础设施上自部署，以控制音频处理位置、数据处理方式和对话留存策略。