Mistral 发布 Voxtral 3 语音模型套件与 Voice Agents API

10 月 21 日，Mistral 发布 Voxtral 3 语音模型套件及 Voice Agents API，一次性覆盖语音识别、语音合成与语音智能体构建三个环节，是其向实时语音交互领域的完整布局。CEO Arthur Mensch 亲自宣布这套 SOTA 语音模型，并判断「语音将成为 AI 系统最重要的交互界面」；联合创始人 Guillaume Lample 也同步分享。第三方机构 Artificial Analysis 的实测部分佐证了性能与价格优势。

已确认

• Voxtral 3 系列包含 1 个 TTS 模型和 3 个语音转写模型，配套推出新的 Voice Agents API（m1、m2、m3）
• Arthur Mensch 提到 Mistral 将语音模型部署在推理模型物理相近的位置，以降低延迟（m2）
• Artificial Analysis 实测：Voxtral Small Transcribe 3 以 2.1% 的词错率（AA 指标）在语音转写中进入前三；TTS 速度最快且价格更低（m3）
• 同时提供基于 LiveKit 构建的语音 Agent SDK：Transcribe 负责监听，推理模型思考并调用工具，Speech 生成回复，三者流式串成一条管道实现自然对话，支持 50+ 语言实时多轮语音对话与深度工具调用集成（m4、m8、m9、m10）
• ASR 转录分 Mini 与 Small 两档，均支持批量转录与实时流式；TTS 同样支持批量与流式（m9）
• Voxtral Small Transcribe 3 在多语言转写、说话人分离和上下文偏置方面达到 SOTA 水平，并能检测说话人何时结束发言，让语音 agent 无延迟响应（m5）
• Voxtral Mini TTS 3 在 35+ 种语言、50+ 种方言上实现 SOTA 级表现力；支持隐式指令跟随（从对话中读出情感、节奏和重音），也支持 [emotion=sad][pace=slow] 等显式标签逐行控制（m6）
• Pro Voice 声音适配功能：录制最多 30 分钟音频，即可在所有支持的语言中以极高保真度复刻用户声音（m7）

尚未确认

• SOTA 等性能宣称来自 Mistral 官方发布帖，目前仅 Artificial Analysis 一家第三方实测，更广泛的独立评测仍有待验证

为什么重要

• Voxtral 3 将转写、推理、语音生成三者以流式管道串联，直接对标 OpenAI、Google 等厂商的实时语音 API，为开发者提供开箱即用的语音智能体方案
• Artificial Analysis 实测中「转写进前三、TTS 速度最快且更便宜」的结论，显示其在性能之外还以性价比切入市场
• 说话人结束发言检测与 35+ 语言、50+ 方言的覆盖，显示 Mistral 明确瞄准多语言实时语音助手市场；Pro Voice 声音克隆则补齐了个性化语音交互的关键能力

2026-10-21 ~ 2026-10-21 · 10 条相关

• 【源头】Mistral 发布 Voxtral 3 语音模型与 Voice Agents API — MistralAI · 2026-10-21
• Voxtral Small Transcribe 3：多语言转写与说话人分离达 SOTA — MistralAI · 2026-10-21
• Voxtral Mini TTS 3 支持 35+ 语言，可用标签逐行控制情感语速 — MistralAI · 2026-10-21
• Pro Voice：录制 30 分钟音频即可高保真克隆自己的声音 — MistralAI · 2026-10-21
• Voxtral 3 附带基于 LiveKit 的语音 Agent SDK — MistralAI · 2026-10-21
• 【源头】Mistral 发布 Voxtral 3 语音模型：转写进前三，TTS 速度最快且更便宜 — ArtificialAnlys · 2026-10-21
• Mistral 发布 Voxtral 3 语音模型套件：50+ 语言 Voice Agent SDK — arthurmensch · 2026-10-21
• 【源头】Mistral 发布全套 SOTA 语音模型：语音将成 AI 最重要的交互界面 — arthurmensch · 2026-10-21
• Mistral 发布 Voxtral 3 语音家族：ASR/TTS 全线 SOTA — sivareddyg · 2026-10-21

另有 1 条近重复转述:GuillaumeLample