Mistral AI 正式发布 Voxtral 3：构建多语言实时语音交互新范式

10月21日，Mistral AI 官方宣布推出 Voxtral 3——一套面向实时多步语音交互的语音代理开发工具包与模型系列，具备对 50 多种语言的全场景支持能力。该系统将高精度语音转录、带有情感表达的自然语音生成以及深度外部工具调用功能，集成于统一的流式处理管道中，适用于呼叫中心自动化、个人虚拟助手及免提式 Copilot 场景。

双模部署架构保障数据安全与响应效率

Voxtral 3 提供基于欧盟区域的托管 API 服务与本地自部署两种方案，兼顾合规性与性能需求。其语音转录子模型 Voxtral Small Transcribe 3 支持说话人分离与上下文语义偏置，官方宣称在准确率上已超越 Whisper、Scribe v2 及 Gemini 3.5 Transcribe 等现有主流产品。

合成引擎覆盖广泛，成本优势显著

语音合成模块 Voxtral Mini TTS 3 涵盖 35 种语言与超过 50 种方言，可实现高度自然且具情绪张力的输出。在定价方面，该模型以每百万字符 13 美元计费，被公司定位为低于 OpenAI 与 ElevenLabs 等同类产品的价格水平，进一步降低企业级应用门槛。