2026 年 10 月 20 日，Mistral 在 X 上以推文執行緒發布 Voxtral 3，包含 Transcribe 轉寫與 Speech 語音合成兩類模型，並配套語音 agent SDK，用於驅動其新的語音智慧體 API，官方公告見 mistral.ai/news/voxtral-3。轉寫側的 Voxtral… 看完整事件
@MistralAI: Voxtral 3 also introduces a voice agent SDK, built on LiveKit.
Mistral 在 Voxtral 3 中附帶發布了語音 agent SDK，底層基於 LiveKit 建置。該 SDK 把語音流程串成一條流式管線：Transcribe 負責收音轉寫，一個推理模型負責思考並呼叫工具，Speech 負責生成回覆，三段串聯以支援自然、即時的語音對話。官方推文只給出這套管線結構，未披露價格、上線時間與語言支援等細節。
官方明確了語音 agent 的三段式流式管線分工（轉寫—推理調工具—語音回覆）並選定 LiveKit 作為底座，對正在搭建即時語音助手的開發者有直接參考價值。
原標題：@MistralAI: Voxtral 3 also introduces a voice agent SDK, built on LiveKit.
閱讀原文
| 評分 | 68 / 58（平均 63，門檻 60） |
|---|---|
| 狀態 | 精選 |
相關報導
llama.cpp 新增 mtmd_audio_stream，支援 Voxtral Realtime
llama.cpp 發布 b11675 建置，在 mtmd 多模態工具庫中新增 mtmd_audio_stream 介面，並加入對 Voxtral Realtime 即時音訊模型的支援。
@MistralAI: With Pro Voice, we’re also rolling out professional voice adaptation.
Mistral AI 上線 Pro Voice 的專業語音適配功能：使用者錄製最長 30 分鐘音訊，即可高保真復刻自己的聲音。官方稱復刻後的音色可在其支援的所有語言中使用，並強調“極高保真度”。公告未披露該功能的開放範圍、訂閱價格與具體上線時間。
Grok Voice 3.0 上線 API 與語音 Agent 建置器，每分鐘 0.08 美元
Grok Voice 3.0 即日起在 xAI 的 API 和 Voice Agent Builder 中開放，定價為每分鐘 0.08 美元。開發者可直接通過 API 呼叫該語音模型，或在 Voice Agent Builder 中搭建語音智慧體，詳細說明見 xAI 官方部落格。
ADK 搭配 gemini-3.8-live：非阻塞工具讓語音 agent 長時間查詢不靜默
開源 Agent Development Kit（ADK）搭配 gemini-3.8-live，可以建置在後端長時間查詢時仍保持回應的語音 agent。指南給出兩種 Python 寫法：一是用 streaming tools 持續產出進度更新，二是用後臺執行模式，讓對話在耗時任務進行中保持流暢。開發者還可配置 WHEN_IDLE、INTERRUPT、SILENT 三種回應排程行為，精確控制工具結果何時、以何種方式送回對話。