Mistral выпустила Voxtral 3: три модели распознавания речи, TTS и SDK голосовых агентов

Mistral AI представила семейство Voxtral 3: три модели транскрипции (Small, Mini на 4 млрд параметров и Realtime), TTS-модель Voxtral Speech 3 и SDK голосовых агентов на базе LiveKit. Все четыре модели доступны в публичном превью через Mistral API; транскрипция стоит от $0,0035/мин, синтез речи — $13 за 1 млн символов.

• Small Transcribe 3 показала 2,1% AA-WER и заняла третье место в рейтинге Artificial Analysis
• Диаризация: 18,4% cpWER у Small против 19,0% у Pyannote и 20,3% у MAI-Transcribe-2
• Realtime-модель при задержке 240 мс даёт 7,4% WER на FLEURS 35 против 4,2% у Gemini 3.5 Realtime
• Пакетная транскрипция поддерживает 50 языков, включая 24 официальных языка ЕС