Mistral выпустила Voxtral 3 для создания голосовых ИИ-агентов с минимальной задержкой Система объединяет распознавание речи, языковую модель и генерацию голоса. Агент может вести естественный диалог, обращаться к внешним инструментам и выполнять задачи прямо во время разговора. Voxtral Small Transcribe 3 распознаёт речь на 50+ языках, различает собеседников и определяет момент завершения фразы, чтобы агент отвечал без лишних пауз. Voxtral Mini TTS 3 генерирует выразительную речь на 35+ языках и 50+ диалектах. Модель сама подбирает эмоции, темп и интонацию по контексту. Голосом также можно управлять через текстовые инструкции. Функция Pro Voice позволяет клонировать голос по записям продолжительностью до 30 минут и воспроизводить его на разных языках. Для разработчиков появился SDK на базе LiveKit, который связывает все компоненты в единый голосовой конвейер. Заявленная задержка полного ответа менее секунды. Модели доступны через API Mistral. Распознавание стоит от $0,0035 за минуту, генерация речи $13 за миллион символов, готовый голосовой агент от $0,04 за минуту. Подробности и демо dailyprompts.ru