Компания Mistral AI анонсировала запуск Voxtral 3 — комплексного стека для разработки голосовых агентов, способных слушать, рассуждать и отвечать в режиме реального времени. В состав системы входят модель для распознавания речи Voxtral Small Transcribe 3, модель синтеза речи Voxtral Mini TTS 3 и SDK для голосовых агентов на базе LiveKit. Все компоненты объединены в единый потоковый конвейер. Voxtral 3 поддерживает транскрипцию более чем на 50 языках, а синтез речи доступен для 35 языков и 50 диалектов с возможностью эмоциональной адаптации. Агенты могут взаимодействовать с внешними системами прямо во время разговора, например, для проверки счетов или записи на встречи. Разработчики могут развернуть решение на собственной инфраструктуре или использовать API, размещенные в ЕС, для контроля над данными. Стоимость использования транскрипции начинается от 0,0035 доллара за минуту.