Mistral pristatė Voxtral 3: kalbos atpažinimo, sintezės modeliai ir realaus laiko agentų SDK
Trumpai: Mistral AI išleido Voxtral 3 – kalbos atpažinimo ir kalbos sintezės modelių šeimą kartu su SDK, leidžiančiu vienoje realaus laiko grandinėje klausyti, mąstyti, iškviesti įrankius ir kalbėti. Atpažinimo modeliai (Small, Mini ir Realtime Transcribe 3) palaiko 50+ kalbų su kalbėtojų atskyrimu (diarizacija), raktažodžių paryškinimu techniniam žodynui ir mažesne nei 500ms delsa, kuri, anot Mistral, lenkia Whisper, Scribe v2 ir Gemini 3.5 Transcribe jų atliktuose testuose. Kalbos sintezės modelis Mini TTS 3 palaiko 35+ kalbas ir 50+ dialektų su emocijomis, tempu ir akcentavimu, prisitaikančiais prie konteksto, kainuojantis 13 USD už milijoną simbolių, o atskira funkcija Pro Voice gali atkurti žmogaus balsą ir emocinį diapazoną vos iš 30 minučių įrašo. Visi komponentai veikia per Mistral ES talpinamą API arba gali būti diegiami kliento serveriuose.
Šią santrauką automatiškai parengė dirbtinis intelektas pagal „Mistral AI“ publikaciją. Tai mūsų tekstas, ne originalo kopija — faktai, skaičiai ir citatos priklauso šaltiniui, kurio nuoroda pateikta viršuje ir apačioje.
Kas pasikeitė?
- 1Nauja atpažinimo linija: Voxtral Small Transcribe 3, Voxtral Mini Transcribe 3 (4 mlrd. parametrų, 0,0035 USD/min), Voxtral Realtime Transcribe 3 (mažiau nei 500ms delsa, 35+ kalbos)
- 2Atpažinimas dabar apima 50+ kalbų, iš jų 24 ES oficialios kalbos, su diarizacija, raktažodžių paryškinimu ir automatiniu kalbėjimo pabaigos aptikimu
- 3Mini TTS 3 prideda 35+ kalbas ir 50+ dialektus su kontekstu grįstomis emocijomis, tempu ir akcentavimu, kaina 13 USD už 1 mln. simbolių
- 4Pro Voice funkcija klonuoja kalbėtojo balsą ir emocinį diapazoną naudojant vos 30 minučių garso pavyzdžio
- 5Naujas Voice Agent SDK sujungia klausymą, mąstymą, įrankių iškvietimą ir kalbėjimą į vieną realaus laiko ciklą telefono ir žiniatinklio agentams
- 6Siūlomas per ES talpinamą API arba diegimą vietoje, leidžiant organizacijoms kontroliuoti, kur garsas apdorojamas ir saugomas
| Parametras | Buvo | Dabar |
|---|---|---|
| Kalbos (STT) | Nenurodyta | 50+ kalbų, įskaitant 24 ES oficialias kalbas |
| STT delsa (realiuoju laiku) | Nenurodyta | Mažiau nei 500ms 35+ kalbų |
| Mini Transcribe kaina | Nenurodyta | 0,0035 USD/min, 4 mlrd. parametrų |
| TTS kalbos/dialektai | Nenurodyta | 35+ kalbos, 50+ dialektai |
| TTS kaina | Nenurodyta | 13 USD už 1 mln. simbolių |
| Balso klonavimas | Nenurodyta | Pro Voice adaptacija iš 30 minučių garso |
| Įrankių iškvietimas | Nenurodyta | Naujas Voice Agent SDK sujungia klausymą, mąstymą, įrankių iškvietimą ir kalbėjimą realiuoju laiku |
Kodėl tai svarbu?
Tai suteikia komandoms, kuriančioms telefoninius asistentus, vieną, benchmarkais patvirtintą paketą kalbos atpažinimui, generavimui ir įrankių iškvietimo logikai vietoj atskirų tiekėjų derinimo, su paskelbtais delsos ir kainos rodikliais palyginimui.
Ką tai reiškia AI agentams ir kontaktų centrams?
Kiekvienam, kuriantiems balso agentus ar kontaktų centrų automatizavimą, verta palyginti su dabartiniais STT/TTS tiekėjais lietuvių kalbos tikslumo, diarizacijos kokybės, mažesnės nei 500ms delsos ir nurodytos 0,0035 USD/min bei 13 USD/1 mln. simbolių kainos atžvilgiu prieš svarstant perėjimą ar bandomąjį projektą.
🧪 Verta testuoti
Daugiakalbio tikslumo teiginiai, mažesnė nei 500ms realaus laiko transkripcija, emocijas pritaikanti TTS ir integruotas įrankių iškvietimo SDK daro šį sprendimą stipriu kandidatu lyginti su esamais balso agentų sprendimais pagal delsą, kainą ir kalbų aprėptį.
Šaltiniai
- Mistral AIOficialusPirminis šaltinisOriginalus straipsnis →„Voxtral 3“2026-10-20 15:00
- Šaltinio publikavimo data
- 2026-10-20 15:00
- Mūsų sistema rado
- 2026-10-20 19:16
- Santrauka sugeneruota
- 2026-10-20 19:19
Straipsnį pagal originalų šaltinį parašė AI. Faktai, skaičiai ir kainos — iš šaltinio; trūkstamos reikšmės pažymėtos „Nėra oficialių duomenų“. Teisinė informacija, autorių teisės ir privatumas