Mistral AI a lancé Voxtral 3, une nouvelle famille de modèles de langage conçus pour les agents vocaux en temps réel. Le système comprend un modèle de reconnaissance vocale (Voxtral Small Transcribe 3), un modèle de synthèse vocale (Voxtral Mini TTS 3) et un SDK d'agent vocal basé sur LiveKit. Ensemble, ils combinent écoute, réflexion, utilisation d'outils et parole en un seul pipeline de streaming. La transcription couvre plus de 50 langues. La sortie en synthèse vocale prend en charge plus de 35 langues et 50 dialectes avec adaptation émotionnelle. Les agents peuvent accéder à des systèmes externes pendant les conversations en direct, par exemple pour prendre des rendez-vous ou vérifier des factures.
Mistral indique que le système peut fonctionner sur votre propre infrastructure ou via des API hébergées dans l'UE afin de garder le contrôle de vos données. Les tarifs commencent à $0.0035 par minute pour la transcription. Plus de détails sont disponibles dans la documentation.
Ad Source : Mistral