Mistral AI發佈Voxtral3語音模型與語音代理SDK

Mistral AI於2026年10月21日正式發佈全新Voxtral3語音模型系列及語音代理SDK。該產品矩陣涵蓋Voxtral Small Transcribe3轉錄模型、Voxtral Mini TTS3.0語音合成模型以及基於LiveKit的語音代理SDK，支持通過API獲取或在私有云與自有基礎設施上進行自託管部署，旨在爲呼叫中心、服務檯、虛擬助手及免提駕駛系統提供高性能的實時流式語音交互能力。

在技術表現方面，Voxtral Small Transcribe3支持50多種語言，具備語音分割、上下文偏置和回合結束檢測功能。在FLEURS圖表中，其強制錯誤率和推斷錯誤率爲4.1%和4.0%，與Microsoft AI Transcribe2持平，並優於Gemini3.5Transcribe、Scribe v2、GPT Transcribe及Whisper large-v3。

其中40億參數的Voxtral Mini Transcribe3批量使用費用爲每分鐘0.0035美元，實時版本費用爲每分鐘0.008美元，延遲低於500毫秒。同時，Voxtral Mini TTS3.0提供超過35種語言和50多種方言的語音合成，價格爲每百萬字符13美元，支持語氣自適應、提示指令及基於30分鐘音頻的Pro Voice跨語言語音克隆。

基於LiveKit構建的SDK將轉錄、推理、工具調用和語音生成整合至同一實時流式管道，使通用模型在處理對話的同時能夠自主推理和調用工具，將對話輪次控制在一秒以內，並支持呼叫者插話時自動停止代理。分析認爲，Mistral此次發佈兼顧了模型性能與企業級部署控制，通過模塊化架構與私有化支持，進一步加速了語音AI代理在複雜業務場景中的規模化落地。