РЕЛИЗ · MODELS · #2262
Mistral выпустила Voxtral 3 — SDK голосового агента и многоязычные речевые модели
Mistral представила Voxtral 3 — набор моделей распознавания и синтеза речи и SDK голосового агента для многозадачных разговоров на более чем 50 языках; в семействе — Voxtral Small Transcribe 3, Voxtral Mini TTS 3 и Pro Voice. Решение доступно через EU-hosted API Mistral или для самостоятельного развёртывания; компания утверждает, что Transcribe-модели показывают лидирующие результаты в диаризации и многоязычном распознавании и превосходят Whisper, Scribe v2 и Gemini 3.5 Transcribe на выбранных бенчмарках.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Mistral представила Voxtral 3 — набор моделей распознавания и синтеза речи и SDK голосового агента для многозадачных разговоров на более чем 50 языках; в семействе — Voxtral Small Transcribe 3, Voxtral Mini TTS 3 и Pro Voice.
- Решение доступно через EU-hosted API Mistral или для самостоятельного развёртывания; компания утверждает, что Transcribe-модели показывают лидирующие результаты в диаризации и многоязычном распознавании и превосходят Whisper, Scribe v2 и Gemini 3.5 Transcribe на выбранных бенчмарках.
- Комбинация передового распознавания, выразительного синтеза речи и SDK агента с EU-hosted или локальным развёртыванием может существенно упростить и обезопасить ввод в эксплуатацию голосовых агентов.
БРИФ ДЛЯ РЕШЕНИЙ
УВЕРЕННОСТЬ
ЧТО ИЗМЕНИЛОСЬ
Mistral объявила Voxtral 3 — семейство моделей распознавания и синтеза речи и SDK голосового агента в реальном времени (агент, который слушает, рассуждает, использует инструменты и говорит) для многозадачных разговоров.
ПОЧЕМУ СЕЙЧАС
Voxtral 3 объединяет передовое многоязычное распознавание, выразительный TTS и потоковый SDK голосового агента с EU-hosted API или возможностью локального развёртывания — это может снизить трение при интеграции и повысить контроль над данными для организаций, внедряющих голосовые агенты.
КОГО ЗАТРАГИВАЕТ
Разработчики и поставщики голосовых агентов и решений для контакт-центров/виртуальных помощников; организации, требующие EU-hosted или локальной обработки речи (сохранение суверенитета данных); пользователи многоязычной транскрипции и выразительного TTS в контакт-центрах, сервисных службах, виртуальных помощниках и hands-free copilots.
ПОДТВЕРЖДЕНО
• Mistral представила «Voxtral 3» — семейство моделей распознавания и синтеза речи и SDK голосового агента в реальном времени, которое объединяет прослушивание, рассуждение, вызов инструментов и речь в едином потоковом конвейере. (источник: фрагмент Mistral) • В составе названы компоненты Voxtral Small Transcribe 3 (speech-to-text), Voxtral Mini TTS 3 (text-to-speech) и предложение Pro Voice. (источник: фрагмент Mistral) • Mistral указывает, что транскрипция охватывает более 50 языков; TTS поддерживает более 35 языков и 50 диалектов (данные из Decoder). (источники: Mistral, Decoder) • По данным Mistral, Voxtral Small Transcribe 3 обеспечивает диаризацию, контекстное смещение ключевых фраз (context-biasing) и определение конца реплики (end-of-turn detection). (источник: фрагмент Mistral) • Решение доступно через EU-hosted API Mistral или для самостоятельного развёртывания на инфраструктуре заказчика. (источник: фрагмент Mistral) • Mistral утверждает, что модели Transcribe являются передовыми в многоязычной транскрипции/диаризации и что они превосходят Whisper, Scribe v2 и Gemini 3.5 Transcribe на выбранных бенчмарках. (источник: сводка события / фрагмент Mistral) • Статья Decoder сообщает, что SDK основан на LiveKit, агенты могут подключаться к внешним системам в ходе живых разговоров, и указывает стартовую цену транскрипции $0.0035 за минуту. (источник: фрагмент Decoder)
НЕОПРЕДЕЛЁННОСТЬ
• Независимая верификация заявленного превосходства на бенчмарках (какие бенчмарки, методология оценки, результаты) отсутствует в предоставленных выдержках — недостающие данные. • Точные показатели задержки, пропускной способности и требования к вычислительным ресурсам для запуска Voxtral 3 (через EU API или при локальном развёртывании) не указаны в выдержках — недостающие данные. • Детали по возможностям «Pro Voice», условия лицензирования, коммерческие уровни и политика хранения/обработки данных не показаны в выдержках — недостающие данные. • Заявленная устойчивость в реальных условиях (акценты, шум, длительные многозадачные диалоги) утверждается, но в выдержках нет независимых демонстраций — недостающие данные. • Информация о ценах присутствует только в выдержке Decoder (транскрипция $0.0035/минута); в фрагменте Mistral полные цены не указаны — потенциальный разрыв в источниках.
ЧТО ОТСЛЕЖИВАТЬ
Конкретные наблюдаемые сигналы для отслеживания: • Публикация подробных model card или отчётов по бенчмаркам (методология, используемые бенчмарки и числовые результаты). • Выпуск документации SDK, артефактов для самостоятельного развёртывания или репозитория GitHub и руководств по интеграции с LiveKit. • Страницы доступности EU-hosted API, региональные/контрактные условия и документация по хранению/конфиденциальности данных. • Независимые сторонние оценки или сравнительные тесты против Whisper, Scribe v2, Gemini Transcribe. • Метрики задержки/пропускной способности и требования к вычислениям или примеры конфигураций развёртывания. • Дополнительные раскрытия цен и коммерческих уровней помимо упомянутой цены транскрипции $0.0035/минута. • Ранние кейсы клиентов, пилоты в контакт-центрах или демонстрации, показывающие многозадачное использование инструментов в живых звонках.
ПОЧЕМУ ЭТО ВАЖНО
Комбинация передового распознавания, выразительного синтеза речи и SDK агента с EU-hosted или локальным развёртыванием может существенно упростить и обезопасить ввод в эксплуатацию голосовых агентов.
КАРТА ДОКАЗАТЕЛЬСТВ
4Редакционные тезисы связаны с конкретными источниками. Отдельно отмечены подтверждения, противоречия и контекст.
Mistral выпустила Voxtral 3 — семейство моделей распознавания и синтеза речи и SDK голосового агента для многозадачных реального времени разговоров на более чем 50 языках.
ПОДТВЕРЖДЕНОПроверено 2026-10-20 · 2 подтверждений
Mistral утверждает, что Voxtral Small Transcribe 3 — передовая модель для многоязычного распознавания с диаризацией и контекст-байзингом и что она превосходит Whisper, Scribe v2 и Gemini 3.5 Transcribe на выбранных бенчмарках.
ПОДТВЕРЖДЕНОПроверено 2026-10-20 · 2 подтверждений
Страница Mistral указывает, что Voxtral Small Transcribe 3 — «state-of-the-art» в многоязычном распознавании, включает диаризацию и контекст-байзинг, и заявляет о превосходстве на бенчмарках (подробности в отрывке не приведены).
ПОДТВЕРЖДАЕТ The DecoderMEDIA · 2026-10-20The Decoder передаёт утверждение Mistral о передовом распознавании и диаризации; в отрывке приводится само заявление о бенчмарках, но не сами бенчмарки.
Voxtral Mini TTS 3 обеспечивает выразительный синтез речи с эмоциональной адаптацией; The Decoder указывает поддержку более 35 языков и 50 диалектов.
ПОДТВЕРЖДЕНОПроверено 2026-10-20 · 2 подтверждений
Страница Mistral описывает выразительную речь и эмоциональную адаптацию для семейства Voxtral, что согласуется с отчетом The Decoder (числа указаны в отрывке The Decoder).
ПОДТВЕРЖДАЕТ The DecoderMEDIA · 2026-10-20The Decoder сообщает, что Voxtral Mini TTS 3 поддерживает 35+ языков и 50 диалектов с эмоциональной адаптацией.
Voxtral 3 доступен через EU-hosted API Mistral или для самостоятельного развёртывания, что обеспечивает варианты суверенного развёртывания и контроль заказчика над местом обработки аудио/данных.
ПОДТВЕРЖДЕНОПроверено 2026-10-20 · 2 подтверждений
Анонс Mistral прямо указывает, что Voxtral 3 доступен через EU-hosted API или для самостоятельного развёртывания, чтобы организации контролировали обработку аудио и данных.
ПОДТВЕРЖДАЕТ The DecoderMEDIA · 2026-10-20The Decoder повторяет, что Voxtral можно запускать на инфраструктуре клиента или через EU-hosted API для контроля данных.
ИСТОЧНИКИ И ХРОНОЛОГИЯ
2Voxtral 3 introduces a cutting-edge voice agent SDK and state-of-the-art speech models designed for real-time, multi-step conversations across 50+ languages. It combines accurate transcription, natural speech synthesis with emotional adaptability, and deep tool integration for seamless workflow automation. Available via Mistral’s EU-hosted API or self-deployment, it ensures data sovereignty while delivering low-laten…
Mistral AI has launched Voxtral 3, a new family of language models built for real-time voice agents. The system includes a speech-to-text model (Voxtral Small Transcribe 3), a text-to-speech model (Voxtral Mini TTS 3), and a voice agent SDK based on LiveKit. Together, they combine listening, thinking, tool use, and speaking into a single streaming pipeline. Transcription covers more than 50 languages. Text-to-speech …