N環球 
フランスの Mistral が Voxtral 3 を発表: 新しい音声モデル ファミリとリアルタイム音声エージェント SDK
Mistral AI は、10 月 20 日に Voxtral 3 をリリースしました。これは、文字起こし、500 ミリ秒未満のリアルタイム文字起こし、50 以上の言語の TTS、および LiveKit ベースの音声エージェント SDK を備えたフル音声エージェント スタックです。
なぜそれが重要なのか
フランスの AI 企業 Mistral AI は、10 月 20 日の公式ブログで、Voxtral 3 が「本日利用可能」になったと発表しました。Voxtral 3 は、リスニング、推論、ツール呼び出し、発話を 1 つのリアルタイム ストリーミング パイプラインに組み合わせた完全な音声エージェント スタックです。これは、ヨーロッパが音声エージェントの競争にこれまでで最も集中的に取り組んでいることです。
含まれるもの
Voxtral Small Transcribe 3 は、24 の EU 公用語を含む 50 以上の言語で音声をテキストに変換します。 Voxtral Mini Transcribe Realtime 3 は、500 ミリ秒未満の遅延でリアルタイム文字起こしを実現します。 Voxtral Speech 3 は 35 以上の言語と 50 以上の方言のテキスト読み上げに対応します。 LiveKit 上に構築された Voice Agent SDK。
価格と展開
公式料金は、文字起こしの場合は 0.0035 ドル/分、リアルタイムの文字起こしの場合は 0.008 ドル/分、TTS の場合は 100 万文字あたり 13 ドルから始まります。音声エージェント API (Mistral Small 4 推論を使用) の料金は 0.04 ドル/分です。導入は、Mistral のヨーロッパでホストされる API またはセルフホスティングを介して行われ、データ制御を伴う「主権導入」として宣伝されます。
パフォーマンスに関する主張 (Mistral 独自の)
ミストラル氏によると、Voxtral Small Transcribe 3 の単語エラー率は FLEURS-45 で 4.1% に達するのに対し、Whisperlarge-v3 では 16.0% に達します。これらはベンダーが報告した数値です。独立した検証が保留中です。
💬 Comments
No comments yet. Be the first!