TREE NEWS 消息， 法国AI公司Mistral发布Voxtral 3系列语音模型，包括语音转文字模型Voxtral Small Transcribe 3、Voxtral Mini Transcribe 3、实时转录模型Voxtral Mini Transcribe Realtime 3及文字转语音模型Voxtral Speech 3，并推出基于LiveKit的语音代理SDK，支持说话人分离、声音克隆、函数调用及SIP电话接入。转录模型支持50多种语言，API定价为每分钟0.0035至0.008美元，文字转语音为每100万字符13美元。
Mistral发布Voxtral 3语音模型系列及语音代理SDK
AI 解读
这次发布的关键不在单个模型，而在Mistral把转录、实时转录、语音合成与基于LiveKit的代理SDK打包成一套完整语音栈，并给出按分钟和按字符计的明确API价格，意味着语音能力正从零散接口走向可直接嵌入业务流程的基础设施。受影响最大的是依赖第三方语音API构建客服、会议记录与电话代理的开发者和企业，SIP接入与函数调用尤其降低了语音代理落地门槛。值得观察的是，多语言转录与声音克隆在实际场景中的稳定性，以及这套定价能否在语音API市场形成持续竞争力。
由 AI 生成，仅供参考。