Mistral AI presenta Voxtral 3 para habilitar agentes de voz en tiempo real

Mistral AI ha presentado Voxtral 3, una nueva familia de modelos de lenguaje diseñada para permitir agentes de voz en tiempo real. El sistema integra un modelo de transcripción de voz a texto, un modelo de síntesis de voz de texto a voz y un kit de desarrollo de software para agentes de voz basado en LiveKit.

Estos componentes unen la escucha, el razonamiento, el uso de herramientas y el habla en una única tubería de transmisión. La transcripción admite más de 50 idiomas, mientras que la salida de voz cubre más de 35 idiomas y 50 dialectos con adaptación emocional. Los agentes pueden acceder a sistemas externos durante conversaciones en curso para realizar tareas como reservar citas o verificar facturas.