Mistral AI presentó Voxtral 3 —, un conjunto de modelos de voz y un SDK para agentes de voz que operan en tiempo real. Según la descripción de Mistral AI News, la solución admite más de 50 idiomas, transcribe voz, sintetiza voz con entonación y puede usar herramientas externas.
The Decoder describe Voxtral 3 como una familia de modelos para agentes de voz. El editor también señala la combinación de conversión de voz a texto, conversión de texto a voz y un SDK para agentes de voz.
Según la descripción disponible, Voxtral 3 puede ejecutarse en su propia infraestructura o utilizarse a través de API ubicadas en la UE. El texto completo de los materiales y pruebas técnicas independientes no está disponible en el paquete proporcionado, por lo que las características declaradas requieren verificación adicional.
comentario editorial
Por qué importa
Probable significado: los desarrolladores obtienen otra opción para crear servicios de voz multilingües con control de la ubicación de los datos. La próxima señal observada será la publicación de detalles técnicos, condiciones de acceso o comparaciones independientes. La gran incertidumbre se debe a que actualmente solo hay descripciones y no el texto completo ni resultados de pruebas.