先了解这件事
Arthur Mensch宣布发布一整套最先进的语音模型。据Mistral AI于2026年10月20日发布的信息,该语音模型家族为Voxtral 3,包含支持50多种语言的转写模型Voxtral Small Transcribe 3,以及支持35多种语言和50多种方言的合成模型Voxtral Mini TTS 3;同时提供基于LiveKit的语音Agent SDK,将听、推理、工具调用和说话串成实时流式管线,官方称每轮响应在1秒内完成。转写模型支持说话人分离、上下文偏置和轮次结束检测,Mini版本为4B参数,批量转写定价为每分钟0.0035美元;合成模型定价为每100万字符13美元,支持30分钟音频的语音克隆。该家族可通过Mistral的欧洲托管API或自部署使用,语音Agent API搭配Mistral Small 4推理时定价为每分钟0.04美元。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：Mistral AI
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月21日
Testing Catalog
AI 日报：OpenAI 收购 Orchestra Bio，Mistral 发布 Voxtral 3
OpenAI 收购药物开发协调平台 Orchestra Bio，用于扩展其 Rosalind 生命科学模型与工具；ChatGPT 全套餐上线 Locked Chats，支持 PIN、Face ID、Touch ID 或设备解锁保护对话。OpenAI API 新增 12 小时提示词缓存，Mistral 发布 Voxtral 3 语音模型系列并驱动新的语音智能体 API，Google 开源 Kubernetes 原生分布式 LLM 推理栈 llm-d 1.0。
MarkTechPost
Mistral AI 发布 Voxtral 3 语音模型家族与语音智能体 SDK
Mistral AI 发布 Voxtral 3，包含 3 款转写模型、1 款 TTS 模型和一套基于 LiveKit 的语音智能体 SDK，4 款模型均在 Mistral API 公测。Small Transcribe 3 在 Artificial Analysis 上取得 2.1% AA-WER 排第三，说话人分离 cpWER 为 18.4%，但实时模型在 240 ms 延迟下 FLEURS 35 的 WER 为 7.4%，落后于 Gemini 3.5 Realtime 的 4.2%。批量转写定价为每分钟 $0.0035 至 $0.004，TTS 为每 100 万字符 $13，语音智能体 API 为每分钟 $0.04 起。
Testing Catalog
Mistral 发布 Voxtral 3 语音模型家族
Mistral 发布 Voxtral 3 语音模型家族，包含语音转文字与文字转语音模型。Voxtral Small Transcribe 3 在 Artificial Analysis Speech-to-Text 榜单上位列第 3，Voxtral 3 TTS 进入前 12。该系列支持 50 多种语言的转写，并提供 Pro Voice 语音适配，可通过 Mistral 的欧盟托管 API 使用或自托管。
The Decoder
Mistral AI 发布 Voxtral 3 实时语音智能体模型系列
Mistral AI 发布 Voxtral 3，一套面向实时语音智能体的模型系列，包含语音转写模型 Voxtral Small Transcribe 3、文本转语音模型 Voxtral Mini TTS 3，以及基于 LiveKit 的语音智能体 SDK，将听、思考、工具调用和说话整合进单一流式管线。转写覆盖 50 多种语言，语音合成支持 35 种以上语言和 50 种方言并带情感适配，智能体可在实时对话中调用外部系统，例如预约或查询发票。该系统可部署在自有基础设施或通过欧盟托管的 API 运行，转写定价为每分钟 0.0035 美元起。
Arthur Mensch
Mistral 发布一整套语音模型
Mistral 联合创始人 Arthur Mensch 宣布发布一整套达到 SOTA 水平的语音模型，并附上链接 https://t.co/Ue1S72c9HW。他表示语音将成为 AI 系统最重要的交互界面，Mistral 将语音模型部署在物理位置上靠近推理模型。
Mistral AI · X精选
Mistral 发布 Voxtral 3 转写与语音模型，驱动语音智能体 API
Mistral 发布 Voxtral 3，包含 Transcribe 与 Speech 两类模型，官方称其为当前最优水平。这两类模型用于驱动 Mistral 新的语音智能体 API。
10月20日
Mistral AI一手精选
Mistral 发布 Voxtral 3 语音模型家族与语音 Agent SDK
Mistral 发布 Voxtral 3 语音模型家族，包含支持 50+ 语言的转写模型 Voxtral Small Transcribe 3、支持 35+ 语言和 50+ 方言的合成模型 Voxtral Mini TTS 3，以及基于 LiveKit 的语音 Agent SDK，把听、推理、工具调用和说话串成一条实时流式管线，每轮响应在 1 秒内完成。转写模型支持说话人分离、上下文偏置和轮次结束检测，Mini 版本为 4B 参数，批量转写定价 $0.0035/min；合成模型定价 $13/1M 字符，支持 30 分钟音频的语音克隆。该家族可通过 Mistral 的欧洲托管 API 或自部署使用，语音 Agent API 搭配 Mistral Small 4 推理时定价 $0.04/min。
本事件热度走势
- 当前
- 6
- 区间峰值
- 48 10月21日 10:00
- 近 24 小时变化
- —
移动指针或点击图表可查看每小时热度；键盘可用左右方向键切换。