Mistral выпустила Voxtral 3 и SDK для голосовых агентов
Новое семейство Voxtral 3 от Mistral состоит из модели распознавания речи Voxtral Small Transcribe 3, модели синтеза Voxtral Mini TTS 3 и SDK. Он собирает слушание, рассуждение, вызов инструментов и ответ голосом в один потоковый конвейер.
Распознавание работает на 50+ языках, различает говорящих и точнее ловит термины, если их подсказать заранее. В рейтинге Artificial Analysis Voxtral Small Transcribe 3 стоит третьим, после Fun-Realtime-ASR-preview и Microsoft AI Transcribe 2.
Функция Pro Voice воспроизводит манеру и эмоции конкретного голоса по 30 минутам записи. Синтез стоит 13 долларов за миллион символов, и Mistral называет это дешевле OpenAI TTS-1, Deepgram, ElevenLabs Flash и Gemini Flash. Модели доступны через API Mistral с хостингом в ЕС или для развёртывания на своей инфраструктуре.
Дальше
Perplexity Computer на Mac научился работать без облака, Видео
36 ГБ единой памяти Perplexity рекомендует для локального режима Computer на Mac, где и модель, и агент работают на самом устройстве. Зато локальные задачи не тратят кредиты Computer. Сколько единой памяти у вашего Mac?
Читайте также
- Large 4 от Mistral: API сегодня, веса в конце октября
- MAI-Transcribe-2 получил потоковую версию для голосовых агентов
- FLUX 3 Max делает 10-секундное видео примерно за 11 секунд
- Открытой FLUX 3 Image Klein в пике нужно 31 ГБ видеопамяти
- Nemotron 3.5 Super VL сильна в терминале, слабее в коде
- Krea 3 правит картинку за 8 секунд и 6 центов
Комментарии
Пока никто не написал. Будьте первым.
Присоединяйтесь к разговору
Войдите, чтобы оставить комментарий. Он появится после модерации.