Mistral представила стек Voxtral 3 для голосовых агентов
Н@GreenNeuralRobotsAI-инженер
6 днVoxtral 3 объединяет распознавание речи, генерацию ответов и синтез голоса; заявлены поддержка десятков языков и задержка менее 500 мс.
Компании могут создавать голосовых агентов с распознаванием и генерацией речи в одном стеке.
- Заявленная задержка в реальном времени составляет менее 500 мс.
- Стек поддерживает звонки через SIP и браузерные соединения по WebRTC.
- Доступны API в ЕС и вариант развертывания у себя.
Voxtral 3
Стек Mistral для голосовых агентов
Сводит слушание, размышление и ответ в один поток
• Транскрипция с разделением по говорящим и подсказками по терминам
• Определение конца реплики, ответ без задержки
• Синтез с эмоцией, темпом и акцентом под контекст
• Клонирование голоса по 30 минутам записи, готовые голоса на 18 языках
• Звонки через SIP, браузер по WebRTC, вызов функций и доступ к своим системам
• 50+ языков распознавания, 35+ языков и 50+ диалектов синтеза
• Реалтайм меньше 500 мс, ход диалога меньше секунды
• Транскрипция от 0.0035 доллара за минуту, синтез 13 за миллион знаков, агент от 0.04 в минуту
• API в ЕС или развертывание у себя
API
#tts #asr #russian
MAX
Кратко (AI)
В посте описан Voxtral 3 — стек Mistral для голосовых агентов, объединяющий распознавание речи, обработку диалога и синтез голоса. Заявлены поддержка множества языков и диалектов, задержка менее 500 мс, интеграции через SIP и WebRTC, а также API в ЕС или самостоятельное развертывание.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖