Voxtral 3🇫🇷
Mistral AI
Asystenci głosowi muszą słuchać, myśleć i odpowiadać na tyle szybko, żeby rozmowa nie brzmiała nienaturalnie. Voxtral 3 to zestaw modeli mowy Mistral, które pomagają w transkrypcji nagrań, śledzeniu wypowiedzi na żywo i odczytywaniu tekstu na głos. W zestawie znajdziesz też narzędzia dla developerów tworzących agentów głosowych, którym można przerwać w połowie zdania i które potrafią wykonywać działania w trakcie rozmowy.
Co nowego
- Cztery modele: dwa do transkrypcji nagrań, jeden do transkrypcji mowy na żywo i jeden do zamiany tekstu na mowę
- Transkrypcja obejmuje ponad 50 języków, obsługuje oznaczanie mówców i pozwala uwzględniać własne słownictwo
- Zamiana tekstu na mowę obejmuje ponad 35 języków i obsługuje klonowanie głosu
- Zestaw narzędzi dla agentów głosowych obsługuje przerwania, wywołania funkcji, wyszukiwanie w sieci, połączenia telefoniczne i połączenia z przeglądarki
- Dostęp przez API Mistral na europejskich, amerykańskich i globalnych endpointach; opłaty naliczane za minutę audio
Dlaczego to ważne
Dobre narzędzia do obsługi mowy to ważny element przydatnych asystentów głosowych. Wielu developerów, którzy dziś je tworzą, korzysta z usług spoza Europy. Voxtral 3 daje europejskim zespołom dodatkową opcję, w tym europejskie endpointy API. Deklaracje Mistral dotyczące szybkości, dokładności i jakości głosu czekają jeszcze na niezależne porównania.
O firmie
Mistral AI to pionierski francuski startup AI, założony w kwietniu 2023 roku przez badaczy z doświadczeniem w czołowych organizacjach zajmujących się sztuczną inteligencją. Celem firmy jest demokratyzacja dostępu do zaawansowanych modeli i rozwiązań AI, umożliwiając szerokiemu spektrum użytkowników wykorzystanie AI w różnych zastosowaniach.