Mistral AI запустила Voxtral 3 — полный стек для голосовых агентов с речью, мышлением и ответом в реальном времени

Mistral AI выпустила Voxtral 3 — новое семейство языковых моделей, оптимизированных для голосовых агентов реального времени. В набор входят модули распознавания речи (STT), синтеза речи (TTS) и SDK для разработки голосовых ассистентов.

Система поддерживает более 50 языков и позволяет агентам обращаться к внешним инструментам (API, базы данных) в ходе живого диалога. Модели можно развернуть на собственных серверах (on-premise) или через API, размещённые в дата-центрах ЕС, — это обеспечивает контроль над данными.

Voxtral 3 — первый полноценный стек такого рода от Mistral. Он конкурирует с аналогичными решениями от OpenAI (GPT-4o with voice) и других вендоров, но с акцентом на приватность и европейскую инфраструктуру.