简介
Mistral于10月21日推出Voxtral 3语音家族，包含两档转录模型、一个语音合成模型和一套实时语音智能体SDK，支持超过50种语言，可通过欧盟托管的API或自行部署使用。
核心配置
- 转录：Voxtral Small/Mini Transcribe 3两档，Mini版仅40亿参数，定价$0.0035/分钟，Small版$0.008/分钟。
- 语音合成：Voxtral Mini TTS 3，$13/百万字符，主打表达力与情绪控制。
- 语音智能体SDK：面向实时多轮电话对话场景。
场景分析
官方演示很说明方向：一通法英混说的预约电话，语音智能体边听边翻边调用工具，直接完成挂号订位。当各家还在卷文字智能体时，Mistral选择去铺企业电话线——语音是企业服务里尚未被瓜分的入口，"欧盟托管+可自部署"也是面向合规敏感客户的差异化筹码。
与竞品对比
语音赛道同日还有ElevenLabs的实时语音到语音模型发布，详见Eleven Realtime评测。Voxtral 3胜在价格与开源可自部署，ElevenLabs胜在延迟与音质。
优缺点
- 优点：50+语言、价格低、可完全自部署、欧盟数据合规。
- 不足：中文场景表现待实测，SDK生态尚在早期。
总结
做语音转录或外呼智能体的团队值得实测Voxtral 3，工具页见Voxtral 3。