Możliwości modeli transkrypcji w Voxtral 3
Model Voxtral Small Transcribe 3 oferuje transkrypcję wielojęzyczną, rozpoznawanie poszczególnych mówców oraz funkcję dopasowania kontekstowego. Obsługuje ponad pięćdziesiąt języków, w tym dwadzieścia cztery urzędowe języki Unii Europejskiej, a także wybrane języki azjatyckie oraz indyjskie. Wersja Mini o rozmiarze 4 miliardów parametrów zapewnia szybką transkrypcję w cenie 0,0035 USD za minutę.
Mechanizm dopasowania kontekstowego pozwala przekazać modelowi kluczowe terminy oraz dowolny tekst, co zwiększa dokładność rozpoznawania specjalistycznego słownictwa bez konieczności dodatkowego dostrajania. Z kolei wariant Voxtral Realtime Transcribe 3 osiąga opóźnienie poniżej 500 milisekund w ponad trzydziestu pięciu językach i natywnie przewiduje moment zakończenia wypowiedzi przez użytkownika.
Synteza mowy i klonowanie głosu w Voxtral Mini TTS 3
Model Voxtral Mini TTS 3 działa w trybie wsadowym oraz w czasie rzeczywistym, obsługując ponad trzydzieści pięć języków i pięćdziesiąt dialektów. Koszt generowania mowy wynosi 13 USD za milion znaków. System automatycznie interpretuje kontekst semantyczny wypowiedzi, dopasowując emocje, tempo oraz nacisk bez dodatkowych instrukcji.
Rozwiązanie umożliwia klonowanie głosu na podstawie trzydziestu minut nagrania audio, odwzorowując styl i ekspresję oryginalnego mówcy. Obsługuje również niestandardowe podpowiedzi instrukcyjne, bibliotekę słownictwa oraz wskazówki dotyczące fonemów.
Architektura i wdrażanie agentów głosowych
Zestaw narzędzi SDK oparty na rozwiązaniu LiveKit łączy strumieniowe przesyłanie mowy, rozumowanie oraz generowanie odpowiedzi w jeden proces. Poszczególne etapy działają niezależnie, co pozwala na zmianę modelu językowego, głosu lub języka bez przebudowywania aplikacji. Agenci mogą weryfikować tożsamość, sprawdzać rachunki oraz umawiać spotkania podczas rozmów telefonicznych lub sesji przeglądarkowych.
Usługa jest dostępna poprzez europejskie, amerykańskie oraz globalne punkty końcowe API firmy Mistral, a także do samodzielnego wdrożenia w prywatnej infrastrukturze organizacji.