Mistral 发布 Voxtral 3：把听、想、说、做事合成一条实时链路 — Hacker News 中文摘要
来源：mistral.ai — 72 分 — 72 分 · by
📋 概述
Mistral 推出 Voxtral 3 系列语音模型与语音代理 SDK，把转写、推理、工具调用和语音合成放进同一条实时流式管线。转写模型支持 50 多种语言与说话人分离，合成模型覆盖 35 种语言、50 种方言并可按语境调整情绪语速，整套能力可在欧盟托管 API 调用或私有化部署。
🔑 核心要点
- 语音代理必须同时做好听准、想深、说自然、能多步执行四件事，这是 Voxtral 3 的设计出发点
- Voxtral Small Transcribe 3 支持 50 多种语言、说话人分离、关键短语偏置与轮次结束检测
- Voxtral Mini TTS 3 覆盖 35 种语言与 50 种方言，能按对话上下文调整情绪、语速与重音
- Pro Voice 只需 30 分钟音频即可复刻说话人的音色、情绪幅度与表达风格
- 价格从 0.0035 美元/分钟的批量转写到 13 美元/百万字符的语音合成
💡 金句
Getting all four to work together reliably in real time remains a challenge.
👍 0
👎 0
← 返回 Hacker News 首页