Mistral Voxtral 3 將完整語音代理管道整合至單一 SDK，每分鐘 0.04 美元，超越 Whisper

Voxtral 3 提供的核心是將傳統上需要三個獨立供應商合約才能實現的轉錄、語言模型和文字轉語音整合到單一開發人員 SDK 中。這種整合方法旨在透過將這些階段整合到一個串流管道中，簡化即時對話式 AI 的開發，潛在地降低開發人員的複雜性和整合開銷。

Mistral AI 報告稱，Voxtral 3 的旗艦轉錄模型在 FLEURS 多語言語音基準測試中，指定語言時的詞錯誤率為 4.1%，自動偵測模式下為 4.0%。該公司表示，此性能在多語言準確性方面超越了 Whisper large-v3 和 OpenAI 的 GPT Transcribe。這使得 Voxtral 3 成為語音轉文字任務的競爭選項，而其完整的語音代理管道定價為每分鐘 0.04 美元，約為 OpenAI Realtime API 成本的一半。

對於考慮將 Voxtral 3 用於歐洲市場的開發人員來說，《歐盟人工智能法案》關於 AI 生成音訊的透明度義務和浮水印要求已經生效。任何部署在歐盟的語音代理，包括基於 Voxtral 3 建構的語音代理，都必須遵守這些技術標準，其中包括機器可讀的浮水印。不遵守規定可能導致最高 1,500 萬歐元或全球年度營業額 3% 的罰款。