20 октября 2026 года The Decoder сообщил о запуске Mistral Voxtral 3 — набора моделей и инструментов для голосовых агентов реального времени. В него входят распознавание речи, синтез голоса и SDK на базе LiveKit. Для разработчиков это набор компонентов для потокового сценария, в котором агент принимает речь, обрабатывает запрос и отвечает голосом.
Из чего состоит набор
Voxtral Small Transcribe 3 преобразует речь в текст, Voxtral Mini TTS 3 синтезирует речь, а SDK для голосовых агентов построен на LiveKit. По описанию The Decoder, компоненты объединяют распознавание, обработку запроса, использование инструментов и озвучивание ответа в едином потоковом процессе.
Инструменты во время разговора
Как пишет The Decoder со ссылкой на описание Mistral, агент может обращаться к внешним системам в ходе разговора. Среди примеров — запись на приём и проверка счетов. Это позволяет строить голосовые сценарии, в которых агент не только отвечает, но и вызывает подключённые инструменты.
Языки, размещение и цена
По заявлению Mistral, транскрибирование поддерживает более 50 языков. Для синтеза компания указывает более 35 языков и 50 диалектов, а также эмоциональную адаптацию голоса. Mistral также заявляет, что систему можно запускать на собственной инфраструктуре или использовать через API, размещённые в ЕС.
Указанная стартовая цена распознавания — $0,0035 за минуту транскрибирования. Это не стоимость всего голосового стека: цена синтеза, SDK и полного сценария агента в материале не приведена.
Границы опубликованных данных
The Decoder передаёт языковые возможности, варианты размещения и цену со ссылкой на Mistral; в доступном материале независимых тестов нет. Поэтому эти сведения описывают заявленные возможности, но не позволяют оценить качество распознавания в конкретных условиях или итоговую стоимость работающего агента. Материал The Decoder о запуске Voxtral 3.
