Mistral AI ha lanzado Voxtral 3, una nueva familia de modelos de lenguaje diseñada para agentes de voz en tiempo real. El sistema incluye un modelo de voz a texto (Voxtral Small Transcribe 3), un modelo de texto a voz (Voxtral Mini TTS 3) y un SDK de agente de voz basado en LiveKit. Juntos, combinan escuchar, pensar, el uso de herramientas y hablar en una única tubería de transmisión. La transcripción cubre más de 50 idiomas. La salida de texto a voz admite más de 35 idiomas y 50 dialectos con adaptación emocional. Los agentes pueden acceder a sistemas externos durante conversaciones en vivo, por ejemplo, para reservar citas o consultar facturas.
Mistral dice que el sistema puede ejecutarse en tu propia infraestructura o mediante API alojadas en la UE para mantener los datos bajo tu control. Los precios comienzan en $0.0035 por minuto para transcripción. Más detalles en la documentación.
Ad Fuente: Mistral