Mistral startet Voxtral 3 für Sprachagenten in Echtzeit
Mistral hat Voxtral 3 vorgestellt, ein Set aus Modellen für Transkription und Sprachausgabe, das in einem SDK für Sprachagenten gebündelt ist. Die Systeme sollen Anrufe verstehen, Aktionen ausführen und in weniger als einer Sekunde antworten.
Das SDK verarbeitet Spracheingabe, Reasoning, Tool Aufrufe und Sprachausgabe als durchgehenden Datenstrom. Während eines Gesprächs können Sprachagenten etwa die Identität eines Anrufers prüfen, Rechnungen aufrufen oder Termine buchen. Telefonate laufen über SIP, Browser und Apps über WebRTC.
Die Transkriptionsmodelle unterstützen mehr als 50 Sprachen, die Sprachausgabe mehr als 35 Sprachen und über 50 Dialekte. Mistral bietet Voxtral 3 über seine API sowie für den Betrieb in eigener Infrastruktur oder in einer privaten Cloud an.
