AI图鉴

AI图鉴首页 › AI 资讯 › 阴道3

阴道3

来源:Mistral AI · 发布时间:10-20 · 由 AI图鉴每小时自动聚合

Voxtral 3: Mistral的语音 agent SDK用于50+语言的实时语音——准确的转录,情感的TTS,深层的工具使用。 欧盟主办或自行部署。

阴道3

思考

目录

Voxtral 3 推出是一个为实时设计的尖端语音agent SDK和最先进语音模型,跨50+语言的多步对话。 它结合了准确的抄录,自然语音合成和情感适应性,以及深层工具集成,实现无缝工作流程自动化。 通过Mistral的欧盟托管的API或自我部署提供,它既能保证数据主权,又能提供低纬度、接触中心的人性互动、虚拟助手和无手copilots。

语音转录和语音生成取得了很大进展,但构建端对端语音agents能够听,理性,互动,处理复杂工作流程仍然困难。

一个可靠的声音agent需要非常出色地做四件事(同时):

- 准确聆听各种语言、口音、扬声器和中断

- 关于用户在特定情况下的含义的深刻理由

- 用情感和表情自然说话

- 通过连接的系统在多个步骤上采取行动。

使所有四个国家能够可靠地实时合作仍然是一个挑战。

为了解决这个问题,我们引入了Voxtral 3:一个由最先进语音转文本和文本转语音模型组成的新家族,同时推出一个语音agent SDK,带来监听,思考,工具调用,并用一个单一的实时流线管道说话。

Voxtral 3是用来创建自然对话体验的,从接触中心agents和服务台到虚拟助手和无手copilots. 在支持数十种语言,表达式语音,复杂的推理,以及与你自己的工具和数据的深度融合下,用Voxtral构建的agents可以解释细微的意向,通过复杂的请求解释理性,并跨连接系统执行多步动作。

和其他Mistral型号一样,Voxtral 3家族也是为主权部署而设计的。 今天通过Mistral的欧盟托管的API或自行部署在您自己的基础设施上,它让各组织能够控制音频的处理地点,如何处理数据,以及是否保留对话。

要点

- 准确记录50多种语言的文字。 语音转文本模型Voxtral Small Translats 3是多语种转录中的最先进,识别谁的称是什么(diarization),使用键词来提高它的精度(context-biasing). 它探测到有人说完话后,agents就可以毫不延迟地响应(回合末检测).

- 适应谈话的自然演说文本转语音模式 Voxtral mini TTS 3,推出新声调调整其情感,速度,以及基于对话背景的强调,支持35+语言和50+方言。

- 人类般的智慧在你(说话)指挥。 新的语音agent SDK结合了听,推理,工具调用,和说话的实时体验。 Agents可以检索信息,与商业系统互动,在通过电话或网络进行直播时完成任务。

- 支持声音明显准确的声音适应。 Voxtral的Pro Voice的改编可以复制演讲者独特的性格、情感范围、语言风格

- 你的声音AI,你的基础设施。 使用 Mistral 的欧盟托管的 API,或在自己的基础设施上部署 Voxtral 3. 在您的环境中保持敏感对话,并控制是否保留任何音频。

它听到50+语言,具有最先进精度。

Voxtral Transits 3代表着跨转录、对等化(何时发言)和背景偏差能力的重要里程碑。 得到支持的语文清单已扩大到50种,包括24种欧盟正式语文和许多低资源亚洲和印度语。

Small版本实现了最先进结果,跨越了对称化和多语种转录,包括英语,法语和西班牙语。 它的性能超过了Whisper,Scribe v2和Gemini 3.5 Transis. 迷你变体为4B参数,可以快速和准确的转录,价格为0.0035/min.

这两个模型都支持上下文偏差,其中关键术语和自由格式文本可以用于偏差抄录,并在技术方面改进召回。 这使得它们能够在具有特定域词汇的制作环境中使用,而不需要微调。

Voxtral Realtime Transit 3是一种实时的抄写模型,为代理使用案所建。 它在超过35种语言的亚500ms latency上实现了高质量的转录,包括有线化和上下文偏差。

转折后预测得到本土支持,既包含声学信息,也包含语义信息,以准确预测用户完成演讲的时间。 这允许低纬度语音agent应用程序,同时在用户过早中断时将假截断率降到最低。

用你或你客户的品牌自己的声音和当地方言

Voxtral Mini TTS 3.0,分批和实时提供,实现最先进表达和训导后35+语言和50+方言。 按每1M字符13美元计算,Voxtral Speech 3比OpenAI TTS-1,Deepgram,ElevenLabs Flash和Gemini Flash的可比模型运行成本要低。

语音模型含蓄地诠释了上下文的语义意义,产生了跨越各种情感和语言的自然语音。 新的和改进的功能包括:从30+分钟的抽样音频中进行语音克隆,根据(IF)进行自定义的即时指示,背景TTS,以及一个词汇库,所有这些都服务于部署中语音可靠性的目标。 明确IF的变量包括情感、速度和强调。

提示

所有自然声音的演说都依赖于情感,这决定了它的音节,节奏,节奏,强调,以及过渡。 Voxtral TTS在本地解释一个提示的文本上下文,以确定情感和语音风格,使模型在自然语音上本质上更好,而不需要额外的指令或语音提示。

以表现力,数字和独特名称来说明Voxtral山峰攀登。

提示

语音用35种语言和50多种方言发声。

Voxtral TTS支持超过35种语言和区域方言。 我们的多语种evals坚持方言在发音,正式与非正式的注册,拼写,动词,以及地方惯例(时间,日期,温度,地址,货币)上的差异。

Voxtral 3 多语种图书馆

语音预设有18种语言:阿拉伯语(Emirati,现代标准),巴西语(葡萄牙语),加泰罗尼亚语,中文(曼达林语),荷兰语,英语(美国,英国),法语(法国),德语,希腊语,印地语,意大利语,韩语,挪威语,俄语,西班牙语(西班牙),越南语。

语音agent控制了整个对话。

Voxtral 3 推出 a voice agent SDK,建于LiveKit上,作为一条流线管道运行语音,推理,语音输出。 Voxtral Mini Trancis Realtime 3在呼叫者发言完毕时会聆听和侦测,一个一般的模型——如Mistral Small——理性和调用工具,以及Voxtral Speech 3在至今为止的谈话基调中回复。 没有舞台等待它之前的一个,所以每个转弯在一秒内完成,agent在呼叫者削减进入时停止说话。

在电话通话期间,agent可以使用功能呼叫,网络搜索,以及检索到自己的系统,验证呼叫者的身份,检查账单,或者预订预约。 它在SIP上响应和定位调用,在WebRTC上运行浏览器和应用程序,并连接到你已经使用的电话,IVR和联系中心软件。

每个舞台都是单独的模型,因此可以在不重写agent的情况下更改LLM,语音,或语言,并运行Mistral在欧洲的API或你自己的基础设施上的全部堆栈。

开始吧

Voxtral 3今天通过Mistral API提供,通过我们的欧洲,美国和全球端点托管。

您可以在 Studio 游戏场测试语音 agents,音频转录,语音生成,语音克隆。

要运行完整的堆叠或在一个私人云,与我们的团队。

缩略语 3

新设

最高精度语音转录模型。 最先进多语种转录和对位化,支持超过50种语言和背景偏差。

译名

音频

$0.004

分钟

Voxtral 小型转录机 3

新设

高效,低纬度的语音转录模型。 支持用50多种语言进行多语种的转录、拓扑和背景偏差。

译名

音频( 批次)

$0.0035

分钟

Voxtral 迷你转写实时 3

为代理用案打造的实时抄录模式,在40+语言的下500ms空闲时提供高质量的抄录。

译名

音频

$0.008

分钟

Voxtral 发言 3

最先进语言和50+方言的表达和教学

语音

投入

$13

1M 字符数

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

NexTerm

NexTerm 支持终端、文件、Docker、数据库和 AI 助手,可安装在桌面或自行部署。

VoiceWarp

VoiceWarp 是免费的浏览器语音工具,支持录音、音频和视频的实时音效处理,以及文本转语音后应用角色音效

AutoBracketMaker

AutoBracketMaker 是赛事对阵表与现场赛事管理工具,支持单败/双败赛制、场地分配、比分记录和分

Trancy

AI驱动的语言学习工具

相关免费羊毛

ChatGPT

免费版:GPT 模型 + 有限额度

Arize AX

每月 2.5 万条 span 免费

Clair

学生免费使用临床 AI 工具套件

Daytona

Agent 沙箱:注册送 $200 算力

同源资讯

Mistral 工程预付款AI 与 NVIDIA

Mistral AI · 10-21

阅读原文(mistral.ai)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 586 款 AI 工具分类导航 · 每日 AI 热门项目与动态