Mistral 发布 Voxtral 3 语音模型与智能体 SDK
先了解这件事
2026年10月20日,Mistral AI 官方宣布发布 Voxtral 3,包含语音转文本(STT)、文本转语音(TTS)模型以及语音智能体 SDK,将听、推理、工具调用与说话整合进单一实时流式管线,每轮对话可在一秒内完成。10月21日凌晨,Mistral CEO Arthur Mensch 在 X 上宣布推出 Voxtral 3,称其包含 state-of-the-art 的 Transcribe 和 Speech 模型,为新的 voice agents API 提供支持,并表示语音将成为 AI 系统最重要的交互界面,同时将语音模型在物理部署上靠近推理模型。随后,评测机构 Artificial Analysis 发文指出,Voxtral 3 包含一个 Text to Speech 模型和三个 Speech to Text 模型(Small Transcribe 3、Mini Transcribe 3、Mini Transcribe Realtime 3),并已对全部模型完成评测。The Decoder 报道补充,Voxtral 3 包含语音转文本模型 Voxtral Small Transcribe 3、文本转语音模型 Voxtral Mini TTS 3 和基于 LiveKit 的语音 Agent SDK。10月21日 01:25,OpenRouter 连续发文宣布 Voxtral 3 已在其平台上线,包括两款新的语音转文本模型和一款文本转语音模型,覆盖 50+ 种语言;其中 Voxtral Mini Transcribe 3 为家族中更小、成本更低的 STT 模型;Voxtral TTS 3 支持根据对话内容调整情感、语速和重音,覆盖 35+ 种语言和 50+ 种方言。
事件进展
报道时间线
- OpenRouter 上线 Voxtral TTS 3 语音模型
OpenRouter 官方宣布上线 Mistral 的 Voxtral TTS 3 语音模型,声音可根据对话内容调整情感、语速和重音,支持 35+ 种语言和 50+ 种方言,已在 openrouter.ai/mistralai/voxtral 提供调用。
- Mistral 推出 Voxtral Mini Transcribe 3
Voxtral Mini Transcribe 3:家族中更小、成本更低的语音转文字模型。 openrouter.ai/mistralai/voxt…
- Mistral Voxtral 3 上线 OpenRouter,支持 50+ 语言语音识别与合成
Mistral 的 Voxtral 3 现已在 OpenRouter 上线。Mistral 发布了两款新的语音转文本模型和一款文本转语音模型,覆盖 50+ 种语言。
- Mistral AI 发布 Voxtral 3 实时语音智能体全家桶
Mistral AI 发布 Voxtral 3,一套面向实时语音智能体的语言模型家族,包含语音转文本模型 Voxtral Small Transcribe 3、文本转语音模型 Voxtral Mini TTS 3 和基于 LiveKit 的语音 Agent SDK,将聆听、思考、工具调用与说话整合进单一 streaming pipeline。
- Mistral 发布 Voxtral 3 语音模型套件
Mistral CEO Arthur Mensch 宣布发布 Voxtral 3 语音模型套件,称其为 state-of-the-art 的完整语音模型系列,详情见 mistral.ai/news/voxtral-3/。他表示语音将成为 AI 系统最重要的交互界面,并将语音模型在物理部署上靠近推理模型。
- Mistral 发布 Voxtral 3 语音模型,Artificial Analysis 评测其榜单表现
Mistral 发布 Voxtral 3,包括一个 Text to Speech 模型和三个 Speech to Text 模型(Small Transcribe 3、Mini Transcribe 3、Mini Transcribe Realtime 3),Artificial Analysis 对全部模型做了评测。
- Mistral 发布 Voxtral 3 语音模型并推出语音智能体 API
MistralAI 宣布推出 Voxtral 3,包含 state-of-the-art 的 Transcribe 和 Speech 模型,为其新的 voice agents API 提供支持。
- Mistral AI 发布 Voxtral 3 语音智能体 SDK 与语音模型家族
Mistral AI 发布 Voxtral 3,包含语音转文本、文本转语音模型和语音智能体 SDK,将听、推理、工具调用与说话整合进单一实时流式管线,每轮对话可在一秒内完成。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。