Mistral Voxtral 3

Mistral 面向转录、文本转语音（TTS）和智能体的语音模型

Mistral Voxtral 3 是 Mistral 推出的新一代语音模型家族，支持语音转文本、文本转语音（TTS）及语音智能体应用。其转录功能覆盖 50 多种语言，提供说话人分离、上下文偏置和低于 500 毫秒的实时转录；TTS 可调整情绪与语速，并支持基于 30 多分钟音频的声音克隆。相关模型和基于 LiveKit 的 Voice Agent SDK 均可通过 Mistral API 使用，批处理转录价格低至每分钟 0.0035 美元。