Mistral 发布 Voxtral 3 语音模型套件：50+ 语言 Voice Agent SDK
arthurmensch · x · 2026-10-21
Mistral CEO Arthur Mensch 宣布发布一整套 SOTA 语音模型 Voxtral 3，包含 Voice Agent SDK，支持 50+ 语言的实时多轮语音对话。
- 核心能力：高精度语音转写、带情感自适应的自然语音合成、深度工具调用集成，可完成预约等多步任务
- 提供 API 与自助部署选项，推理部署在靠近推理模型的物理位置，主打欧盟托管与数据主权
- 目标场景：呼叫中心、虚拟助手、免手操作副驾；Mensch 称语音将是 AI 系统最重要的交互界面
所属事件:Mistral 发布 Voxtral 3 语音模型套件与 Voice Agents API(10 条相关)→
「多模态」频道最新
- 让 Claude Code 独立执导 MV：6.5 小时、765M 输入 tokens 完成 — colinmcnamara · 2026-10-21
- 可灵 4.0 上线:原生 30 秒视频、10 关键帧,可延展至 2 分钟 — lmoroney · 2026-10-21
- Voxtral 转写 1891 年埃菲尔留声机录音：107 词对 100 词，WER 仅 6.5% — IsForAt · 2026-10-21
- Reddit 用户重调 Stable Diffusion 工作流，25 步+motion boost 优化小丑舞者视频 — roychodraws · 2026-10-21
- 图像编辑榜一开源模型 Fibo-2 权重上架，含 Dev 和 Turbo 双版本 — linoy_tsaban · 2026-10-21
- Nous Research 桌面端将推生成式媒体插件，已接入 Krea/Fal 与 Blender — NousResearch · 2026-10-21