Mistral представила Voxtral 3 — голосовые модели и SDK для голосовых агентов

🗒 Mistral представила Voxtral 3 и Voice Agent SDK для голосовых агентов

Новое семейство моделей синтеза (TTS) и распознавания (STT) речи с SDK на базе LiveKit соединяет прослушивание, рассуждения LLM, вызов инструментов и озвучку в один стриминговый конвейер с задержкой меньше секунды. Заявленный WER — 4.0–4.1% на FLEURS 45 против 14.9% у Whisper large-v3.

🌍 Открытые веса и self-deployment вытесняют склейку «STT + LLM + TTS»: контакт-центры, телеком и финтех снижают расходы и риски передачи аудио третьим сторонам. Транскрипция — от $0.0035/мин, TTS — $13 за 1 млн символов.

👤 SDK с SIP и WebRTC избавляет от ручной сборки Whisper + LLM + TTS. Цифры — вендорские, проверяйте на своих данных; клонирование голоса по 30 минутам аудио без механизмов согласия несёт риск имперсонации.

Источник 1: https://mistral.ai/news/voxtral-3/ Источник 2: https://cryptobriefing.com/mistral-unveils-voxtral-3-voice-agent-sdk/