法国 Mistral 发布 Voxtral 3：语音模型家族＋即时语音智能体 SDK

为何重要

法国 AI 公司 Mistral AI 于 10 月 20 日在官方部落格宣布，Voxtral 3「available today」——一次端出完整的语音智能体技术栈：语音转文字、即时转写、文字转语音，以及把听、推理、工具呼叫、说话合为一条即时串流管线的 Voice Agent SDK。这是欧洲 AI 公司在语音智能体赛道的一次集中出牌。

产品构成

Voxtral Small Transcribe 3：语音转文字，支援 50 种以上语言、包含 24 种欧盟官方语言；Voxtral Mini Transcribe Realtime 3：即时转写，延迟低于 500 毫秒；Voxtral Speech 3：文字转语音，支援 35 种以上语言、50 种以上方言；Voice Agent SDK 基于 LiveKit 打造。

价格与部署

官方定价：转写每分钟 0.0035 美元起、即时转写每分钟 0.008 美元、语音合成每百万字元 13 美元；语音智能体 API（搭配 Mistral Small 4 推理）每分钟 0.04 美元。部署可走 Mistral API（欧洲托管）或企业自行部署，主打「主权部署」、资料可控。

效能声称（Mistral 自称）

Mistral 称 Voxtral Small Transcribe 3 在 FLEURS-45 测试上的词错率为 4.1%，优于 Whisper large-v3 的 16.0%。此为厂商自称数据，第三方独立验证结果有待后续观察。