Mistral AI apresenta Voxtral 3: novos modelos de linguagem devem permitir agentes de voz em tempo real

Mistral AI apresentou Voxtral 3, uma nova família de modelos de linguagem que deve possibilitar agentes de voz em tempo real. O sistema é composto por um modelo de Speech-to-Text (Voxtral Small Transcribe 3), um modelo de Text-to-Speech (Voxtral Mini TTS 3) e um Voice-Agent-SDK baseado em LiveKit. Juntos, eles devem integrar ouvir, pensar, uso de ferramentas e falar em um único fluxo de streaming.

A transcrição é compatível com mais de 50 idiomas, enquanto a síntese de voz abrange mais de 35 idiomas e 50 dialetos com ajuste emocional. Os agentes podem acessar sistemas externos durante conversas em andamento, como agendar compromissos ou verificar faturas.