Voxtral 3🇫🇷
Mistral AI
Hlasoví asistenti musia dostatočne rýchlo počúvať, premýšľať a odpovedať, aby rozhovor nepôsobil neprirodzene. Voxtral 3 je súbor modelov na spracovanie reči od Mistralu. Dokážu prepisovať audio, priebežne zachytávať hovorenú reč aj predčítavať text. Súčasťou je aj súprava nástrojov pre vývojárov, ktorí vytvárajú hlasových agentov schopných reagovať na prerušenie uprostred vety a vykonávať úlohy počas rozhovoru.
Čo je nové
- Štyri modely: dva na prepis nahrávok, jeden na prepis živej reči a jeden na prevod textu na reč
- Prepis podporuje viac než 50 jazykov, označovanie hovoriacich a možnosť uprednostniť vlastnú slovnú zásobu
- Prevod textu na reč podporuje viac než 35 jazykov a klonovanie hlasu
- Súprava nástrojov pre hlasových agentov zvláda prerušenia, volania funkcií, vyhľadávanie na webe, telefonické hovory a ovládanie prehliadača
- Dostupné cez API Mistralu na európskych, amerických aj globálnych endpointoch; cena sa účtuje za minútu audia
Prečo je to dôležité
Kvalitné nástroje na spracovanie reči sú dôležitou súčasťou užitočných hlasových asistentov. Mnohí vývojári, ktorí ich dnes vytvárajú, sa spoliehajú na služby mimo Európy. Tieto modely dávajú európskym tímom ďalšiu možnosť vrátane európskych API endpointov. Údaje o rýchlosti, presnosti a kvalite hlasu pochádzajú od Mistralu, takže na nezávislé porovnania si ešte treba počkať.
O firme
Mistral AI je priekopnícky francúzsky startup zameraný na umelú inteligenciu, ktorý vznikol v apríli 2023 výskumníkmi so skúsenosťami z popredných AI organizácií. Cieľom spoločnosti je sprístupniť pokročilé AI modely a riešenia širšiemu spektru používateľov a umožniť im využiť AI pre rôzne aplikácie.