Mistral AI przedstawia Voxtral 3: Nowe modele językowe mają umożliwić agentów językowych w czasie rzeczywistym
23 października 2026 · Czas czytania: 1 min
Mistral AI zaprezentował Voxtral 3, nową rodzinę modeli językowych, które mają umożliwić działanie agentów językowych w czasie rzeczywistym. System składa się z modelu mowy na tekst (Voxtral Small Transcribe 3), modelu tekst na mowę (Voxtral Mini TTS 3) oraz Voice-Agent-SDK opartego na LiveKit. Razem mają one łączyć słuchanie, myślenie, korzystanie z narzędzi oraz mówienie w jednej strumieniowej pętli.
Transkrypcja wspiera ponad 50 języków, a syntezator mowy obsługuje ponad 35 języków oraz 50 dialektów z emocjonalnym dostosowaniem. Agenci mogą uzyskiwać dostęp do zewnętrznych systemów podczas trwających rozmów, na przykład rezerwując terminy lub sprawdzając rachunki.
Mistral podkreśla możliwość działania systemu na własnej infrastrukturze lub przez API hostowane w UE, aby zapewnić suwerenność danych. Ceny zaczynają się od 0,0035 dolara za minutę transkrypcji.