ИИ 20 октября 2026, 19:02 МСК

Mistral представила Voxtral 3: речевые модели и SDK для голосовых агентов

Mistral выпустила семейство Voxtral 3 — модели распознавания и синтеза речи и SDK, объединяющий прослушивание, рассуждение, вызов инструментов и ответ голосом в одном потоке.

Модель распознавания Voxtral Small Transcribe 3 поддерживает более 50 языков, определяет, кто говорит (диаризация), учитывает ключевые фразы для точности и фиксирует конец реплики. По заявлению Mistral, она превосходит Whisper, Scribe v2 и Gemini 3.5 Transcribe. Версия Mini на 4 млрд параметров стоит $0,0035 за минуту.

Модель синтеза речи Voxtral Mini TTS 3 меняет эмоции, темп и акценты в зависимости от контекста и поддерживает более 35 языков и 50 диалектов. Функция Pro Voice воспроизводит манеру голоса по 30 минутам записи.

Доступ — через размещённый в ЕС API Mistral или на собственной инфраструктуре, что позволяет контролировать, где обрабатывается аудио и сохраняется ли оно. В демонстрации агент записывает пациентку к дерматологу по французскому направлению.

• Распознавание: 50+ языков, Mini — $0,0035/мин
• Синтез: 35+ языков и 50+ диалектов
• Развёртывание: API в ЕС или своя инфраструктура