Mistral vydal Voxtral 3 — reálčasové hlasové modely a SDK pre AI agentov

Čo sa stalo

Mistral vydal Voxtral 3 — novú generáciu hlasových modelov a SDK pre hlasových agentov dostupnú cez Mistral API a ako open-weights na Hugging Face.

Kontext a dopad

Voxtral 3 kompetuje s OpenAI Realtime API a ElevenLabs. Kľúčové odlíšenie je self-hosting (open-weights), dátová kontrola a performance per dollar. Hodí sa pre kontaktné centrá, hands-free kopiloty a virtuálnych asistentov.

Detaily

• Transkripcia v 50+ jazykoch, speaker diarization, domain biasing bez fine-tuning
• Expresívny TTS v 35+ jazykoch — emócie, tempo, dôraz sa prispôsobujú konverzácii
• Voice adaptation: klonovanie z 30+ minút audia; Pro Voice zachytáva plný štýl hlasu
• Voice Agent SDK (LiveKit, SIP/WebRTC): každý turn pod 1 sekundu
• Voxtral Small Transcribe 3: SOTA na FLEURS multilingual benchmarku, pred Whisper large-v3
• Evaluačné dáta generované 2026-10-20