← 返回 Sardaana AI
Mistral发布Voxtral 3：支持50多种语言的语音识别、富有表现力的语音合成和实时语音智能体SDK
法国AI公司Mistral推出Voxtral 3，包括语音转文字和文字转语音模型系列，以及一个将聆听、推理、工具调用和语音输出整合为单一流式管线的SDK。可通过Mistral API使用或自行部署。
Mistral AI于2026年10月20日发布Voxtral 3：一套新的语音模型和软件工具包，用于构建能实时对话并在通话中完成任务的语音智能体。
发布内容
- Voxtral Small Transcribe 3：支持50种语言的语音转文字，包括欧盟24种官方语言，具备说话人区分、关键词上下文偏置和话轮结束检测功能。较小的Mini版本有40亿参数。
- Voxtral Mini Transcribe Realtime 3：实时转写，Mistral称延迟低于500毫秒。
- Voxtral Mini TTS 3：支持35种以上语言和50多种方言的语音合成，声音可根据语境调整情感、语速和重音；“Pro Voice”可用约30分钟录音适配特定说话人的声音。
- 基于LiveKit的语音智能体SDK，以流式方式串联语音输入、语言模型（如Mistral Small）推理、工具调用和语音输出；Mistral称每轮对话耗时不到一秒，支持电话（SIP）和网页（WebRTC）。
价格与部署
Mistral公布的价格为：Mini批量转写每分钟0.0035美元，实时转写0.008美元/分钟，语音合成每百万字符13美元，搭配Mistral Small 4的语音智能体API0.04美元/分钟。模型可通过欧盟、美国和全球API端点使用，也可自行部署，公司称这能让客户掌控音频处理和存储。
说明
Mistral称Voxtral 3优于Whisper、ElevenLabs Scribe v2和Gemini转写模型，但这些图表均为公司自测，部分由另一AI模型评分，目前尚无独立基准测试结果。