Mistral AI發佈Voxtral Small Transcribe3轉錄模型與語音代理SDK

AI 摘要

• Mistral AI於2026年10月21日發佈Voxtral Small Transcribe3等語音模型與語音代理SDK
• Voxtral Small Transcribe3支持50多種語言，FLEURS測試錯誤率與Microsoft AI Transcribe2持平
• 語音代理SDK可將對話輪次控制在一秒以內，並支持自託管部署

Mistral AI於2026年10月21日正式發佈全新Voxtral3語音模型系列及語音代理SDK，其中核心產品Voxtral Small Transcribe3主打50多種語言的轉錄能力，並提供API與自託管兩種部署方式，鎖定呼叫中心、服務檯、虛擬助手及免提駕駛系統等即時語音應用場景。

產品定位與目標用戶

此次發佈包含三項產品：Voxtral Small Transcribe3轉錄模型、Voxtral Mini TTS3.0語音合成模型，以及基於LiveKit構建的語音代理SDK。產品可透過API取用，也可在私有雲或自有基礎設施上自託管，目標用戶為需要即時流式語音互動、同時重視資料掌控與部署彈性的企業。

Voxtral Small Transcribe3主要功能

Voxtral Small Transcribe3支持50多種語言，具備語音分割、上下文偏置及回合結束檢測功能。在FLEURS測試圖表中，其強制錯誤率與推斷錯誤率分別為4.1%與4.0%，與Microsoft AI Transcribe2持平，並優於Gemini3.5Transcribe、Scribe v2、GPT Transcribe及Whisper large-v3。

Voxtral Mini Transcribe3價格比較

來源提供的40億參數Voxtral Mini Transcribe3，依使用模式分為批量與實時兩種計費方式，延遲低於500毫秒。

Voxtral Mini TTS3.0語音合成能力

Voxtral Mini TTS3.0提供超過35種語言及50多種方言的語音合成，價格為每百萬字符13美元。產品支持語氣自適應與提示指令，並可基於30分鐘音頻進行Pro Voice跨語言語音克隆。

語音代理SDK與實時管道整合

基於LiveKit構建的SDK將轉錄、推理、工具調用及語音生成整合至同一實時流式管道。通用模型可在處理對話的同時自主推理並調用工具，將對話輪次控制在一秒以內，並支持呼叫者插話時自動停止代理。

產業觀察

分析認為，Mistral此次發佈兼顧模型性能與企業級部署控制，透過模組化架構與私有化支持，有望加速語音AI代理在複雜業務場景中的規模化落地。

Reference Link : news.aibase.com