模型发布2 分钟读完Hacker News
Mistral 发布 Voxtral 3 语音模型与实时语音代理 SDK
速览
Mistral 推出 Voxtral 3 语音模型家族与配套语音代理 SDK，支持 50+ 语言实时多轮对话。模型在转录、说话人分离等基准上超过 Whisper 和 Gemini 3.5 Transcribe。开发者可通过欧盟托管 API 或自部署使用，适合客服中心、虚拟助手等场景。
Voxtral 3 由语音转文本模型 Voxtral Small Transcribe 3 和文本转语音模型 Voxtral Mini TTS 3 组成，配套 SDK 将听、想、调用工具、说整合为一条实时流式处理管线。语音代理可边对话边检索信息、操作业务系统，支持电话和网页端。
Voxtral Small Transcribe 3 支持 50 种语言，包含 24 种欧盟官方语言及多种低资源亚洲和印度语系语言。官方称其在多语言转录和说话人分离基准上超过 Whisper、Scribe v2 和 Gemini 3.5 Transcribe。Mini 版本有 4B 参数，转录价格 $0.0035/分钟。两个模型都支持上下文偏置，即用关键词或自由文本引导转录，以便在特定领域词库下无需微调即可使用。
Voxtral Mini TTS 3 提供随对话调整情绪、语速和重音的新声音，覆盖 35+ 语言和 50+ 方言。Pro Voice 适配功能可用 30 分钟音频复现说话人的独特音色、情绪范围和跨语言说话风格，面向基础语音克隆不够用的专业场景。
与 Mistral 其他模型一致，Voxtral 3 支持主权部署：使用欧盟托管 API 或自建基础设施，组织可自行控制音频处理位置、数据处理方式和会话留存与否。