Mistral AI ha presentato Voxtral 3, una famiglia di modelli pensati per gli agenti vocali che parlano con le persone in tempo reale. Il pacchetto combina ascolto, ragionamento, uso di strumenti esterni e risposta vocale in un'unica pipeline in streaming, cioè un flusso in cui ogni fase parte senza attendere la fine della precedente.
Il cuore del sistema è un trittico di componenti. Il primo è il modello di trascrizione Voxtral Small Transcribe 3, che converte il parlato in testo in oltre 50 lingue. Accanto a lui c'è Voxtral Mini Transcribe 3, mentre la variante Voxtral Mini Transcribe Realtime 3 è costruita per l'ascolto dal vivo, con una latenza dichiarata inferiore ai 500 millisecondi. Il secondo componente è il modello di sintesi vocale Voxtral Speech 3, che parla in più di 35 lingue e 50 dialetti e adatta tono ed emozione al contesto della conversazione. Il terzo è un SDK, il kit di strumenti che gli sviluppatori usano per costruire le applicazioni, basato su LiveKit, una piattaforma open source per le comunicazioni audio e video in tempo reale.
GitHub - khalooei/Voxtral-AI-Demo-Local-Interface: Voxtral is a state ...
L'SDK collega questi pezzi con un modello linguistico generico, come Mistral Small, che ragiona e decide quando chiamare un servizio esterno. Un agente può così fissare un appuntamento o verificare una fattura mentre la persona è ancora al telefono. Mistral indica come casi d'uso i centri di contatto, i servizi di assistenza e gli assistenti virtuali.
Sul fronte dei prezzi, la trascrizione parte da 0,0035 dollari al minuto. Il pacchetto può essere usato tramite le API di Mistral, con endpoint ospitati nell'Unione Europea, negli Stati Uniti e a livello globale, oppure installato sull'infrastruttura del cliente, così che i dati audio restino sotto il suo controllo. È un argomento che pesa in Europa, dove la gestione delle conversazioni vocali è spesso soggetta a norme stringenti sulla privacy.
GitHub - Tamles/voxtral-webgpu · GitHub
Le prestazioni dichiarate da Mistral sono confrontate con Whisper, Gemini e i modelli GPT su trascrizione multilingue, riconoscimento di chi parla e pronuncia. Sono numeri forniti dall'azienda stessa, che non sono ancora verificati da test indipendenti.
Il lancio colloca Mistral in un mercato già affollato, dove OpenAI, ElevenLabs, Deepgram e Google competono sugli agenti vocali. La differenza che Mistral vuole far pesare è il prezzo unito alla possibilità di tenere i dati in casa propria. Per le aziende europee che cercano un'alternativa ai servizi statunitensi, l'opzione di installazione locale potrebbe essere il criterio decisivo.
Ancora nessun commento. Puoi essere il primo!