Mistral выпустила Voxtral 3 — голосовые модели с откликом меньше секунды

Mistral выпустила Voxtral 3 — семейство голосовых моделей для телефонных помощников и диалоговых агентов. Распознаёт речь и разделяет говорящих на более чем 50 языках, озвучивает на 35 с управлением интонацией, темпом и эмоцией.

Задержка ответа заявлена меньше секунды, то есть разговор идёт без пауз. Голос клонируется по получасу записи. Модели можно развернуть на своём железе — для телефонии и медицины это часто единственный допустимый вариант, когда запись разговора не должна уходить в чужое облако.

Среди заявленных сценариев — обработка звонков с вызовом внешних сервисов через API. Релиз вышел через несколько дней после речевой модели Grok Voice 3.0 от xAI с таким же обещанием отклика меньше секунды.