Voxtral 3, i modelli vocali e l'SDK per voice agent di Mistral

• Mistral lancia Voxtral 3, una famiglia di modelli per trascrivere e parlare, insieme a un SDK per voice agent che in tempo reale ascolta, ragiona, usa strumenti e risponde a voce, in oltre 50 lingue.
• Voxtral Small Transcribe 3 è al top nella trascrizione multilingue e nella diarizzazione (chi ha detto cosa), migliora con parole chiave di contesto e capisce quando l'utente ha finito di parlare. Batte Whisper, Scribe v2 e Gemini 3.5 Transcribe; la versione Mini (4B) costa $0.0035 al minuto. Voxtral Mini TTS 3 adatta emozione, ritmo ed enfasi al contesto, in 35+ lingue e 50+ dialetti, a $13 per 1M caratteri.
• L'SDK è costruito su LiveKit: le fasi lavorano in streaming senza aspettarsi, così ogni turno si chiude in meno di 1 secondo e l'agente si ferma se lo interrompi. Pro Voice riproduce lo stile di una voce, anche in altre lingue, partendo da 30 minuti di audio.
• Disponibile via API sugli endpoint europei, USA e globali, oppure da installare sui propri server per tenere i dati in casa.

Fonti

• Annuncio ufficiale
• Docs Speech-to-Text
• Docs Voxtral Mini TTS 3
• Thread X