官网查看
定制方案
- ✓
暂未采集到具体套餐，价格以官网为准
Mistral Voxtral 3
Mistral 面向转录、文本转语音（TTS）和智能体的语音模型
Mistral Voxtral 3 是什么？
Mistral Voxtral 3 是 Mistral 推出的新一代语音模型家族，支持语音转文本、文本转语音（TTS）及语音智能体应用。其转录功能覆盖 50 多种语言，提供说话人分离、上下文偏置和低于 500 毫秒的实时转录；TTS 可调整情绪与语速，并支持基于 30 多分钟音频的声音克隆。相关模型和基于 LiveKit 的 Voice Agent SDK 均可通过 Mistral API 使用，批处理转录价格低至每分钟 0.0035 美元。
产品详细介绍
Mistral 面向转录、文本转语音（TTS）和智能体的语音模型
Mistral Voxtral 3 是 Mistral 推出的新一代语音模型家族，支持语音转文本、文本转语音（TTS）及语音智能体应用。其转录功能覆盖 50 多种语言，提供说话人分离、上下文偏置和低于 500 毫秒的实时转录；TTS 可调整情绪与语速，并支持基于 30 多分钟音频的声音克隆。相关模型和基于 LiveKit 的 Voice Agent SDK 均可通过 Mistral API 使用，批处理转录价格低至每分钟 0.0035 美元。
定价方案
需要付费创始人评论
M
Maker创始人
Voxtral 3 是 Mistral 全新推出的语音模型系列，涵盖语音转文本、文本转语音和语音智能体 SDK，均可通过 Mistral API 使用。
问题：构建语音智能体通常需要将转写、推理和语音生成等独立组件拼接在一起。在多人通话、包含专业术语及多种语言的场景下，转写效果也往往会下降，而机械化的声音会让对话显得生硬。
解决方案：Voxtral 3 覆盖完整闭环。它提供批量和实时转写模型、文本转语音模型，以及基于 LiveKit 构建的 SDK，将聆听、推理、工具调用和语音输出整合到一条实时流水线中。
差异化优势：语音智能体的每个阶段均采用独立模型，因此可以灵活替换 LLM、声音或语言。转写支持通过关键词或自由形式文本进行上下文偏置，无需微调；TTS 则可根据对话调整情绪、语速和重音。据 Mistral 表示，实时转写耗时低于 500 毫秒，智能体完成一整轮交互所需时间不到一秒。
主要功能：
• Voxtral Small Transcribe 3：提供最高精度，并支持说话人分离和上下文偏置
• Voxtral Mini Transcribe 3：用于批量转写，参数量为 4B
• Voxtral Mini Transcribe Realtime 3：面向智能体应用，延迟低于 500 毫秒
• Voxtral Mini TTS 3：支持情绪、语速和重音控制，并可通过约 30 分钟的音频进行声音克隆
• 支持 50 多种语言的转写；TTS 支持 35 多种语言和 50 多种方言
• 语音智能体 SDK 支持函数调用、网页搜索、SIP 电话和 WebRTC
• 可通过 Mistral 销售团队咨询自行部署和本地部署方案
Mistral 定价：批量转写每分钟 0.0035 美元起，实时转写每分钟 0.008 美元，TTS 每 100 万字符 13 美元，语音智能体 API 每分钟 0.04 美元起。
适用对象：正在构建语音智能体、通话转写或多语言语音应用，并希望由一家供应商覆盖整条流水线的开发者和团队。
