Mistral представила Voxtral 3 — семейство речевых моделей и SDK для создания голосовых агентов. Вместо отдельного распознавания записи разработчикам предлагается связать слушание, обработку запроса, вызов инструментов и синтез речи в один поток. Среди сценариев — служба поддержки, справочные сервисы и помощники без клавиатуры.
Страница демонстрации Voxtral 3. Скриншот: Mistral AI.
Слушать и понимать собеседника
Семейство включает модели преобразования речи в текст, в том числе потоковую версию. В зависимости от модели доступны разделение говорящих и подсказки с профессиональными терминами. Важно различать заявленные возможности: более 50 языков относится к транскрипции, тогда как наборы языков для потоковой обработки и озвучивания отличаются.
Фрагмент официального материала о речевых моделях. Скриншот: Mistral AI.
Разговор может запускать рабочий процесс
SDK связывает голос с подключёнными инструментами: например, поиском информации или системой записи. Синтез речи поддерживает управление темпом, акцентами и выразительностью. Демо показывает предполагаемые сценарии, но готовность конкретного бизнес-процесса зависит от интеграции и испытаний.
Где обрабатывается звук
Mistral заявляет доступ через размещённый в ЕС API и варианты самостоятельного развёртывания. Для компании это возможность выбирать размещение данных, однако языковое качество, права доступа и условия использования всё равно нужно проверять отдельно. Поддержку русского или казахского языка нельзя выводить только из общего количества языков. В статье размещена официальная видеодемонстрация Mistral.
Носители информации и HDD
Системы видеонаблюдения
Телекоммуникационное оборудование
Мониторы, телевизоры и видеостены
