Voxtral 3🇫🇷
Mistral AI
Гласовите асистенти трябва да слушат, да мислят и да говорят достатъчно бързо, за да звучи разговорът естествено. Voxtral 3 е наборът от модели на Mistral за работа с реч: транскрибиране на аудио, разпознаване на реч в реално време и четене на текст на глас. Към него има и набор от инструменти за разработчици, които създават гласови агенти. Те могат да бъдат прекъсвани по средата на изречението и да изпълняват действия, докато говорят.
Какво е новото
- Четири модела: два за транскрибиране на записи, един за транскрибиране на реч в реално време и един за преобразуване на текст в реч
- Транскрибирането поддържа над 50 езика, етикети за говорещите и възможност да се даде предимство на собствения ти речник
- Преобразуването на текст в реч поддържа над 35 езика и клониране на глас
- Наборът от инструменти за гласови агенти поддържа прекъсвания, извикване на функции, търсене в интернет, телефонни разговори и взаимодействие с браузъра
- Предлага се през API на Mistral с европейски, американски и глобални крайни точки. Цената се изчислява на минута аудио
Защо е важно
Качествените инструменти за работа с реч са важна част от полезните гласови асистенти, а много от разработчиците, които ги създават днес, разчитат на услуги извън Европа. Това дава на европейските екипи още една възможност, включително с API крайни точки в Европа. Твърденията за скорост, точност и качество на гласа са на Mistral, така че независимите сравнения тепърва предстоят.
За компанията
Mistral AI е пионерен френски стартап за изкуствен интелект, основан през април 2023 г. от изследователи с опит в водещи AI организации. Компанията се стреми да демократизира достъпа до напреднали AI модели и решения, като дава възможност на широк кръг потребители да използват AI за различни приложения.