Mistral AI于2026年10月21日正式发布全新Voxtral3语音模型系列及语音代理SDK。该产品矩阵涵盖Voxtral Small Transcribe3转录模型、Voxtral Mini TTS3.0语音合成模型以及基于LiveKit的语音代理SDK，支持通过API获取或在私有云与自有基础设施上进行自托管部署，旨在为呼叫中心、服务台、虚拟助手及免提驾驶系统提供高性能的实时流式语音交互能力。
在技术表现方面，Voxtral Small Transcribe3支持50多种语言，具备语音分割、上下文偏置和回合结束检测功能。在FLEURS图表中，其强制错误率和推断错误率为4.1%和4.0%，与Microsoft AI Transcribe2持平，并优于Gemini3.5Transcribe、Scribe v2、GPT Transcribe及Whisper large-v3。
其中40亿参数的Voxtral Mini Transcribe3批量使用费用为每分钟0.0035美元，实时版本费用为每分钟0.008美元，延迟低于500毫秒。同时，Voxtral Mini TTS3.0提供超过35种语言和50多种方言的语音合成，价格为每百万字符13美元，支持语气自适应、提示指令及基于30分钟音频的Pro Voice跨语言语音克隆。
基于LiveKit构建的SDK将转录、推理、工具调用和语音生成整合至同一实时流式管道，使通用模型在处理对话的同时能够自主推理和调用工具，将对话轮次控制在一秒以内，并支持呼叫者插话时自动停止代理。分析认为，Mistral此次发布兼顾了模型性能与企业级部署控制，通过模块化架构与私有化支持，进一步加速了语音AI代理在复杂业务场景中的规模化落地。
《华尔街日报》看到Anthropic的IPO招股书草案：公司收入狂飙但亏损惊人。截至6月30日六个月营收约163亿美元，较上年同期11亿美元暴涨1382%；同期算力与基础设施支出近90亿美元。生意高速扩张，烧钱更快，算力成为最大压力，招股书呈现增长与巨额成本并存的矛盾画像。
Mistral推出Voxtral3，由语音Agent SDK和语音模型组成，支持50多种语言。官方演示中，说法语患者持法语处方致电诊所，语音代理听懂法语、完成预约，并承诺用英语发短信，一次性串联跨语言、工具调用与情绪适应的完整语音工作流。文章同时点出，语音AI的尴尬长期在于从语音到文本转录等环节。
《华尔街日报》看到的IPO招股书草案显示，Anthropic增速光鲜背后成本高企：截至6月30日半年营收约163亿美元，同比由11亿暴涨1382%；同期算力与基础设施开支近90亿美元，2025年同期仅23亿，已超去年全年73亿。上半年净亏损807亿美元，亏损压力巨大。
QuestMobile 2026年9月报告显示，办公与生活已分化为两条独立发展线。AI综合助手用户达11.57亿，同比增44%；其中AI生活助手3.47亿，增55%；AI办公月活1.42亿，增50.6%。典型办公类Agent月活排名中，腾讯WorkBuddy以3235.3万、百度搭子以977万领先，阿里巴巴千问办公亦在列。
马斯克近日提醒，在把AI助手当出气筒之前或许该三思。据他透露，SpaceX旗下Grok的部分训练记录显示，这套系统仿佛在拼命满足各种要求——哪怕要求本身有缺陷，或用来评判回答的测试标准根本就有问题。这番观察来自本月早些时候，马斯克在德州“X Takeover”活动上与“硅谷特斯拉车主俱乐部”成员的交流。
关注 “悠AI” 更多干货技巧行业动态
相关文章
