يفكّر
ملخص
يقدّم Voxtral 3 مجموعة أدوات تطوير برمجيات لوكلاء الصوت (voice agent SDK) متطورة ونماذج كلام متطورة مصمّمة للمحادثات متعددة الخطوات في الوقت الفعلي بأكثر من 50 لغة. وهو يجمع بين النسخ الدقيق، وتوليد الكلام الطبيعي مع القدرة على التكيّف العاطفي، والتكامل العميق مع الأدوات لأتمتة سير العمل بسلاسة. وهو متاح عبر واجهة API الخاصة بـ Mistral المستضافة في الاتحاد الأوروبي أو عبر النشر الذاتي، مما يضمن سيادة البيانات مع تقديم تفاعلات منخفضة الكمون شبيهة بالإنسان لمراكز الاتصال والمساعدين الافتراضيين والمساعدين الذين يعملون دون استخدام اليدين.
لقد أحرز تحويل الكلام إلى نص وتوليد الصوت تقدماً كبيراً، لكن بناء وكلاء صوتيين شاملين قادرين على الاستماع والتفكير والتفاعل والتعامل مع سير العمل المعقدة لا يزال أمراً صعباً.
يحتاج وكيل الصوت الموثوق إلى أداء أربعة أمور على نحوٍ جيد جداً (وبشكل متزامن):
استمع بدقة عبر اللغات واللهجات والمتحدثين والمقاطعات،
السبب بعمق حول ما يعنيه المستخدمون في سياقات محددة،
تحدث بشكل طبيعي بالعاطفة والتعبير، و
اتخذ إجراءً على مدى عدة خطوات عبر أنظمة مترابطة.
يبقى تحقيق عمل الأربعة جميعًا معًا بشكل موثوق وفي الوقت الفعلي تحديًا.
لمعالجة ذلك، نقدم Voxtral 3: عائلة جديدة من أحدث تحويل الكلام إلى نص و تحويل النص إلى كلام النماذج، إلى جانب SDK لوكيل صوتي يجمع الاستماع والتفكير واستدعاء الأدوات والتحدث في مسار بث واحد في الوقت الفعلي.
تم بناء Voxtral 3 لخلق تجارب محادثة طبيعية، من وكلاء مراكز الاتصال ومكاتب الخدمة إلى المساعدين الافتراضيين والمساعدين الرقميين الذين يعملون دون استخدام اليدين. ومع دعم لعشرات اللغات، ونطق معبّر، واستدلال معقد، وتكامل عميق مع أدواتك وبياناتك الخاصة، يمكن للوكلاء المبنين باستخدام Voxtral أن يفسّروا النوايا الدقيقة، ويستدلّوا عبر الطلبات المعقدة، وينفذوا إجراءات متعددة الخطوات عبر الأنظمة المتصلة.
وكما هو الحال مع نماذج Mistral الأخرى، صُممت عائلة Voxtral 3 ل النشر السيادي. وهي متاحة اليوم عبر واجهة API المستضافة في الاتحاد الأوروبي من Mistral أو للنشر الذاتي على بنيتك التحتية الخاصة، مما يمنح المؤسسات التحكم في مكان معالجة الصوت، وكيفية التعامل مع البيانات، وما إذا كان يتم الاحتفاظ بالمحادثات.
أبرز الأحداث
تفريغ دقيق بأكثر من 50 لغة. أما نموذج تحويل الكلام إلى نص، فيحول الصوت إلى نص مكتوب. Voxtral Small Transcribe 3، وهي في أحدث ما وصلت إليه التقنيات في التفريغ متعدد اللغات، وتحديد من قال ماذا (تقسيم المتحدثين)، واستخدام العبارات المفتاحية لتحسين دقتها (التحيّز السياقي). وهي تكتشف متى ينتهي شخص ما من الكلام ليتمكن الوكلاء من الرد دون تأخير (كشف نهاية الدور).
كلام طبيعي يتكيف مع المحادثة. نموذج تحويل النص إلى كلام، Voxtral Mini TTS 3, يقدم أصواتاً جديدة تُعدّل مشاعرها وسرعتها وتوكيدِها بناءً على سياق المحادثة، مع دعم أكثر من 35 لغة وأكثر من 50 لهجة.
ذكاء شبيه بالبشر عند (نطق) أمرك. تجمع حزمة تطوير الوكيل الصوتي الجديدة بين الاستماع والاستدلال واستدعاء الأدوات والتحدث في تجربة فورية واحدة. يمكن للوكلاء استرجاع المعلومات، والتفاعل مع أنظمة الأعمال، وإكمال المهام أثناء المحادثات الحية عبر الهاتف أو الويب.
Pro Voice لتكيّف صوتي دقيق مميز. بالنسبة لحالات الاستخدام الاحترافية حيث لا يكون استنساخ الصوت الأساسي كافياً، فإن تكيّف Pro Voice من Voxtrال قادر على إعادة إنتاج الطابع المميز للمتحدث ونطاقه العاطفي وأسلوبه في التحدث عبر اللغات، باستخدام 30 دقيقة فقط من الصوت.
ذكاؤك الصوتي، على بنيتك التحتية. استخدم واجهة API المستضافة في الاتحاد الأوروبي من Mistral أو انشر Voxtral 3 على بنيتك التحتية الخاصة. حافظ على المحادثات الحساسة داخل بيئتك وتحكم في ما إذا كان سيُحتفظ بأي صوت.
جرّب Voxtral الآن | اعرف المزيد
يسمع أكثر من 50 لغة، بدقة متطورة.
Voxtral Transcribe 3 يمثل إنجازاً هاماً في قدرات التفريغ النصي، وتحديد المتحدثين (من تحدث ومتى)، والتوجيه بالسياق. تم توسيع قائمة اللغات المدعومة إلى 50 لغة، بما في ذلك 24 من اللغات الرسمية للاتحاد الأوروبي والعديد من اللغات الآسيوية والهندية محدودة الموارد.
تحقق نسخة Small نتائج متطورة في تحديد المتحدثين والتفريغ متعدد اللغات، بما في ذلك الإنجليزية والفرنسية والإسبانية. وتتفوق على Whisper وScribe v2 وGemini 3.5 Transcribe. أما نسخة Mini فتبلغ 4B من المعاملات، مما يتيح تفريغاً سريعاً ودقيقاً بسعر $0.0035/دقيقة.
كلا النموذجين يدعمان التوجيه بالسياق، حيث يمكن توفير مصطلحات رئيسية ونص حر لتوجيه التفريغ وتحسين استدعاء المصطلحات التقنية. وهذا يمكّن من استخدامهما في بيئات الإنتاج بمفردات متخصصة دون الحاجة إلى ضبط دقيق.
FLEURS 45 إجباري مقابل مستنتج
معدل خطأ الكلمات — الأقل أفضل
إجباري
مستنتج
متوسط معدل خطأ الكلمات الكلي (WER) على تقاطع 45 لغة من معيار FLEURS مدعومة من جميع النماذج السبعة. يُستخدم WER لجميع اللغات باستثناء اليابانية والكورية والتايلاندية والصينية، التي تستخدم CER. الأقل أفضل.
إجباري = اللغة محددة؛ مستنتج = اللغة مكتشفة تلقائيًا. اللغات: AR, BN, BG, CA, ZH, CS, DA, NL, EN, ET, FI, FR, DE, EL, GU, HI, HU, IS, ID, IT, JA, KN, KO, LV, LT, MK, MS, ML, MR, NO, FA, PL, PT, RO, RU, SK, SL, ES, SV, FIL, TE, TH, TR, UK, VI
تمييز المتحدثين
معدل الخطأ في الكلمات عبر أدنى ترتيب للدمج (cpWER) — الأقل أفضل
المتوسط الكلي لمعدل الخطأ في الكلمات عبر أدنى ترتيب للدمج (cpWER) على معايير تمييز المتحدثين العامة: AMI-IHM، AMI-SDM، Switchboard، Switchboard CallHome، AISHELL-4. لضمان أقصى توافق مع خطوط أساس الـ API، نستخدم نسخ مدتها 30 دقيقة من AMI و AISHELL. الأقل أفضل.
معيار تمييز المتحدثين، معدل الخطأ في الكلمات عبر أدنى ترتيب للدمج (cpWER).
استرجاع العبارات المفتاحية
مع التحبيه السياقي وبدونه — الأعلى أفضل
بدون سياق
مع سياق
Voxtral Small Transcribe 3 مميّز بألوان العلامة التجارية. استرجاع العبارات المفتاحية على معيار Earnings 22. يحتوي تحيّز السياق على مصطلحات رئيسية وعدد عشوائي بالعينة من المشتتات، يتراوح من 0 إلى 100. الأعمدة هي قيم مطلقة متراكبة — العمود الخارجي هو الاسترجاع مع السياق، والعمود الداخلي هو الاسترجاع بدون سياق؛ والشريط المرئي هو الفارق الناتج عن التحبيه السياقي. الأعلى أفضل.
معيار استرجاع العبارات المفتاحية. السياق = مفردات خاصة بالمجال وأسماء المتحدثين تُزوَّد للنموذج.
معيار Artificial Analysis
معدل الخطأ في الكلمات — الأقل أفضل
مؤشر WER الخاص بـ Artificial Analysis، وهو متوسط مرجّح على VoxPopuli و Earnings-22 و AgentTalk.
الأقل أفضل.
Voxtral Realtime Transcribe 3 هو نموذج نسخ فوري مبني لحالات الاستخدام الوكيلية (agentic). يحقق نسخًا عالي الجودة بزمن استجابة أقل من 500 مللي ثانية بأكثر من 35 لغة، بما في ذلك تمييز المتحدثين والتحيّز السياقي.
FLEURS 35
معدل الخطأ في الكلمات للنسخ الفوري — الأقل أفضل
المتوسط الكلي لمعدل الخطأ في الكلمات (WER) عبر 35 لغة من معيار FLEURS. يُستخدم WER لجميع اللغات باستثناء اليابانية والكورية والصينية التي تستخدم CER. الأقل أفضل. *Voxtral Mini Transcribe 3 هو خط أساس دون اتصال. النماذج المتبقية فورية (realtime).
اللغات: AR, BN, BG, CA, CS, NL, EN, ET, FI, FR, DE, EL, GU, HI, ID, IT, JA, KN, KO, LV, MK, MS, ML, MR, NO, FA, PL, PT, RO, RU, SK, ES, FIL, TE, TR
التوقع لنهاية الدور مدعوم أصليًا، حيث يتضمن معلومات صوتية ودلالية معًا للتنبؤ بدقة بانتهاء المستخدم من الكلام. هذا يتيح تطبيقات وكلاء صوتيين بزمن استجابة منخفض، مع تقليل حالات القطع الخاطئة عند انقطاع المستخدم قبل الأوان.
يجيب بالمشاعر المناسبة، بصوت علامتك التجارية أو علامة عميلك ولهجته المحلية.
Voxtral Mini TTS 3.0المتاح على شكل دفعات وفوري، يحقق أعلى مستويات التعبير واتباع التعليمات لأكثر من 35 لغة و50+ لهجة. بسعر 13 دولارًا لكل مليون (1M) حرف، فإن تكلفة تشغيل Voxtral TTS أقل من نماذج مماثلة مثل OpenAI TTS-1 و Deepgram و ElevenLabs Flash و Gemini Flash.
يفسّر النموذج الصوتي ضمنيًا المعنى الدلالي للسياق بشكل أفضل، مُنتجًا كلامًا طبيعيًا عبر مجموعة متنوعة من المشاعر واللغات. تشمل الميزات الجديدة والمحسّنة استنساخ الصوت من أكثر من 30 دقيقة من الصوت المسجّل، واتباع التعليمات المخصصة (IF)، و TTS السياقي، ومكتبة مفردات، وكلها تخدم هدف موثوقية الكلام في النشر. تتضمن متغيرات اتباع التعليمات الصريح (IF) ما يلي: emotion, pacingو emphasis.
المُحبِّه (Prompt)
لننهِ هذه الجدلة هنا: النطق هو GIF.الافتراضي
تلميح صوتي غير قياسي: dʒ ɪ f
المُحبِّه
انتظر… هذا غير ممكن. هل هذه اللوحة قادمة من Reims؟ إذاً… إنها اللوحة التي كانت جدتي تبحث عنها منذ خمسين عاماً!Default
Non-standard phoneme hint: ʁ e i m s
موجّه
مساعدنا الجديد اسمه Quivello.افتراضي
تلميح صوتي غير قياسي: tʃ i v ɛ l l o
موجّه
مرحباً! أنا Xyra، مساعدتك الشخصية.افتراضي
تلميح صوتي غير قياسي: z aɪ ɹ ə
كل الكلام الذي يبدو طبيعياً يعتمد على العاطفة، وهي التي تحدد الإيقاع والتنغيم والسرعة والتوكيد والانتقالات. يفسّر Voxtral TTS بشكل أصلي سياق نص الموجّه لتحديد العاطفة وأسلوب الصوت، مما يجعل النموذج أفضل بطبيعته في الكلام الطبيعي دون الحاجة إلى تعليمات إضافية أو موجّهات صوتية.
Voice Code Bench: الجودة لكل دولار
Voice Code Bench من إعداد BeSimple AI يركز على حالات الفشل في دعم العملاء للمؤسسات المتعلقة بالأرقام والأسماء الفريدة.
نماذج TTS أخرى
Mistral
الأعلى وإلى اليسار أفضل.
Voice Code Bench (BeSimple AI): 300 موجّهاً بالإنجليزية، 2 صوت لكل نظام (أنثوي وذكوري)؛ الحكم gemini-3.8-flash؛ الأسعار من صفحات تسعير المورّدين؛ تم التوليد في 2026-10-20.
التحكم في النطق: الجودة لكل دولار
نسبة المقاطع التي تُنطق فيها الكلمة المستهدفة كما هو مقصود، مع فونيماتها
Mistral
نماذج TTS أخرى
تقييم داخلي. الأعلى وإلى اليسار أفضل. الأنظمة التي لا تمتلك تحكماً موثّقاً في النطق تُدرج في البيانات دون أن تُرسم.
300 جملة إنجليزية، كل منها تحتوي على كلمة واحدة نادرة أو مختلقة (150 سهلة و150 صعبة)، 2 صوت لكل نظام؛ يسمع الحكم gemini-3.8-flash المقطع مع النطق الدولي المقصود (IPA) للكلمة؛ الأسعار من صفحات تسعير المورّدين؛ تم التوليد في 2026-10-20.
متعدد اللغات: الجودة لكل دولار
متوسط درجة الحكم عبر 11 لغة، 1 صوت أصلي لكل لغة ونظام
نماذج TTS أخرى
Mistral
تقييم داخلي. الأعلى وإلى اليسار أفضل. الأنظمة التي تغطي أقل من 11 لغة تُدرج في البيانات دون أن تُرسم.
377 موجّهاً مختارة للإصدار، 11 لغة، متوسط غير موزون لمتوسطات درجات الحكم لكل لغة، على مقياس من 1 إلى 5؛ الحكم gemini-3.8-flash؛ الأسعار من صفحات تسعير المورّدين؛ تم التوليد في 2026-10-20.
الإنجليزية التعبيرية: الجودة لكل دولار
متوسط درجة الحكم على one_eval، 237 موجّهاً مختارة للإصدار
نماذج TTS أخرى
Mistral
تقييم داخلي. الأعلى وإلى اليسار أفضل.
الإنجليزية التعبيرية (one_eval): 237 مطالبة مختارة للإصدار، صوتان (2 صوت) لكل نظام (Voxtral TTS: سارة وجيمس)، مقياس من 1 إلى 5؛ القاضي gemini-3.8-flash؛ الأسعار من صفحات أسعار الموردين؛ تم التوليد في 2026-10-20.
توضيح تسلّق Voxtral للتلال (hill-climbing) في التعبيرية والأرقام والأسماء الفريدة.
المطالبة
شكرًا لاتصالك بـ Mistral! أفهم أنك تواجه صعوبة في تسجيل الدخول إلى AI Studio. هل يمكنني تأكيد عنوان بريدك الإلكتروني؟ لدي هنا elena.vance82@yahoo.com، هل هذا صحيح؟Voxtral 1
Voxtral 3
المطالبة
واو، لقد كان ذلك سريعًا، لقد وجدت رحلة لسفرك القادم. ما رأيك برحلة الإمارات في الساعة 21:00 مساءً يوم 10/10 مع رجوع في 10/25 الساعة 22:00 مساءً مقابل 1881 جنيهًا إسترلينيًا؟ قل كلمة، وسأحجز لك مقعدًا بجانب النافذة الآن.Voxtral 1
Voxtral 3
المطالبة
لا أصدق أنكِ حامل! هذا أمر مدهش للغاية، ألف مبروك كورينا، أنا سعيدة جدًا لأجلك!Voxtral 1
Voxtral 3
المطالبة
ماذا تعني أن جواز سفري لن يكتمل هذا الأسبوع؟ لقد أخبرتك عدة مرات أنني بحاجة للسفر إلى باريس للعمل. هذا أمر سخيف. لا أستطيع حتى أن أصف كم كان هذا محبطًا.Voxtral 1
Voxtral 3
يبدو الكلام محليًا في 35 لغة وأكثر من 50 لهجة.
يدعم Voxtral TTS أكثر من 35 لغة و اللهجات الإقليمية. تلتزم تقييماتنا متعددة اللغات باختلافات اللهجات في النطق، والسجل الرسمي مقابل غير الرسمي، والإملاء، و الإسهاب، وأعراف الموقع المحلي (الوقت، التواريخ، درجات الحرارة، العناوين، العملات).
مكتبة Voxtral 3 متعددة اللغات
الأصوات الجاهزة (Voice Presets) متاحة في 18 لغة: العربية (الإماراتية، الفصحى الحديثة)، البرازيلية (البرتغالية)، الكتالونية، الصينية (الماندارين)، الهولندية، الإنجليزية (الأمريكية، البريطانية)، الفرنسية (فرنسا)، الألمانية، اليونانية، الهندية، الإيطالية، الكورية، النرويجية، الروسية، الإسبانية (إسبانيا)، والفيتنامية.
وكيل الصوت يتحكم في المحادثة بأكملها.
يقدّم Voxtral 3 حزمة تطوير برمجيات (SDK) لوكلاء الصوت، مبنية على LiveKit، تشغّل إدخال الكلام والاستدلال وإخراج الكلام كخط تدفق واحد متسلسل. يستمع Voxtral Mini Transcribe Realtime 3 ويكتشف متى انتهى المتصل من الكلام، ثم يقوم نموذج عام — مثل Mistral Small— بالاستدلال واستدعاء الأدوات، ويردّ Voxtral TTS بأسلوب المحادثة حتى تلك اللحظة. لا تنتظر أي مرحلة ما قبلها، فتكتمل كل دورة في أقل من ثانية واحدة، ويتوقف الوكيل عن الكلام عند مقاطعة المتصل له.
خلال المكالمة، يمكن للوكيل التحقق من هوية المتصل، أو فحص فاتورة، أو حجز موعد، باستخدام استدعاء الدوال (function calling)، والبحث في الويب، والاسترجاع من أنظمتك الخاصة. يجيب على المكالمات ويجريها عبر SIP، ويعمل في المتصفحات والتطبيقات عبر WebRTC، ويتصل ببرمجيات الهاتف و IVR ومراكز الاتصال التي تستخدمها بالفعل.
كل مرحلة نموذج منفصل، لذا يمكنك تغيير نموذج LLM أو الصوت أو اللغة دون إعادة كتابة الوكيل، وتشغيل الحزمة بأكملها عبر واجهة برمجة تطبيقات Mistral في أوروبا أو على بنيتك التحتية الخاصة.
ابدأ الآن.
Voxtral 3 متاح اليوم عبر واجهة برمجة تطبيقات Mistral، مستضافًا عبر نقاط النهاية الأوروبية والأمريكية والعالمية لدينا.
يمكنك تجربة وكلاء الصوت والتحويل الصوتي إلى نص وتوليد الكلام واستنساخ الصوت في مساحات الاستوديو التجريبية.
جرّب Voxtral الآن | اعرف المزيد
النموذج | السعر |
|---|---|
Voxtral Mini Transcribe 3 (دفعات) | 0.0035$/الدقيقة |
Voxtral Mini Transcribe Realtime 3 | 0.008$/الدقيقة |
Voxtral Small Transcribe 3 | 0.0040$/الدقيقة |
Voxtral Mini TTS 3 | $13/1M حرف |
واجهة برمجة تطبيقات الوكيل الصوتي مع Mistral Small 4 للاستدلال | 0.04$/الدقيقة |
واجهة برمجة تطبيقات الوكيل الصوتي مع نموذج أكبر | 0.08$/الدقيقة |
لتشغيل الحزمة الكاملة داخل مقرّكم أو في سحابة خاصة، تحدثوا مع فريقنا.
Voxtral Small Transcribe 3
جديد
نموذج تفريغ صوتي بأعلى دقة. تفريغ صوتي متعدد اللغات وتمييز المتحدثين بالحالة الأفضل في فئتها، مع دعم أكثر من 50 لغة وتحيّز سياقي.
التفريغ الصوتي
الصوت
$0.004
/الدقيقة
Voxtral Mini Transcribe 3
جديد
نموذج تفريغ صوتي فعّال ومنخفض الكمون. يدعم التفريغ متعدد اللغات وتمييز المتحدثين والتحيّز السياقي في أكثر من 50 لغة.
التفريغ الصوتي
الصوت (دفعات)
$0.0035
/الدقيقة
Voxtral Mini Transcribe Realtime 3
نموذج تفريغ صوتي فوري مصمّم لحالات الاستخدام الوكيلية، يقدّم تفريغًا عالي الجودة بكمون أقل من 500 مللي ثانية في أكثر من 40 لغة.
التفريغ الصوتي
الصوت
$0.008
/الدقيقة
Voxtral Mini TTS 3
أقصى درجات التعبير واتباع التعليمات عبر أكثر من 35 لغة و50 لهجة
الصوت
الإدخال
$13
/1M حرف