Mistral AI เปิดตัว Voxtral 3 โซลูชัน Voice Agent ครบวงจร

Mistral AI ได้เปิดตัว Voxtral 3 ซึ่งเป็นตระกูลโมเดลภาษาใหม่ที่สร้างขึ้นสำหรับ real-time voice agents โดยเฉพาะ ระบบนี้ประกอบด้วยโมเดลถอดความเสียงเป็นข้อความ (Voxtral Small Transcribe 3) โมเดลแปลงข้อความกลับเป็นเสียง (Voxtral Mini TTS 3) และ voice agent SDK ที่ใช้ฐานจาก LiveKit

การทำงานร่วมกันของระบบจะรวมเอาความสามารถในการฟัง การคิด การเรียกใช้เครื่องมือภายนอก และการพูดเข้าไว้ใน streaming pipeline เดียวกัน โดยระบบถอดความ (Transcription) ครอบคลุมมากกว่า 50 ภาษา ส่วนเอาต์พุตเสียง (text-to-speech) รองรับมากกว่า 35 ภาษา และ 50 สำเนียง พร้อมความสามารถในการปรับโทนเสียงตามอารมณ์ ซึ่งช่วยให้ Agent สามารถเชื่อมต่อกับระบบภายนอกระหว่างการสนทนาสดได้ทันที เช่น การจองนัดหมายหรือการตรวจสอบใบแจ้งหนี้

Mistral ระบุว่าผู้ใช้งานสามารถเลือกรันระบบบนโครงสร้างพื้นฐานของตนเอง หรือใช้งานผ่าน API ที่โฮสต์ในสหภาพยุโรปเพื่อให้ข้อมูลอยู่ภายใต้การควบคุมส่วนบุคคล โดยมีราคาเริ่มต้นที่ 0.0035 ดอลลาร์ต่อนาทีสำหรับการถอดความ สำหรับผู้ที่สนใจสามารถศึกษาข้อมูลเพิ่มเติมได้ที่ documentation