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 Small Transcribe 3 宣稱在多語言轉寫、說話人分離和上下文偏置三項達到當前最優，能檢測說話人何時結束髮言，使 agent 無需等待即可回應；合成側的 Voxtral Mini TTS 3 稱在 35 種以上語言、50 多種方言上表達力最佳，既能從對話內容隱式讀出情緒、語速與重音，也支援用 [emotion=sad][pace=slow] 這類標籤逐行顯式控制。SDK 基於 LiveKit，把轉寫收音、推理模型思考並呼叫工具、語音合成回覆串成一條流式管線。據 Hacker News 引述的公告內容，該系列支援 50 多種語言，轉寫在基準上優於 Whisper、Scribe v2 與 Gemini 3.5 Transcribe，Mini 版僅 4B 引數、每分鐘 0.0035 美元，可通過 Mistral 歐盟託管 API 或自部署使用；而 Mistral 的推文字身未給出引數規模、許可證與上線時間。對做即時語音互動的開發者來說，這意味著多了一個按分鐘計價、也可自部署的語音 agent 全棧選項。
AI 根據 6 則報導生成 · 更新
沿著報導，了解事件的不同側面；點標題看單篇報導的摘要與原文連結。
Mistral 推出 Voxtral 3 語音模型系列，並配套語音 agent SDK，將監聽、推理、工具呼叫和發音整合進一條即時流式處理管線。轉寫模型 Voxtral Small Transcribe 3 支援 50+ 語言、說話人分離和關鍵詞上下文偏置，官方稱它在多語言轉寫與說話人分離基準上優於 Whisper、Scribe v2 和 Gemini 3.5 Transcribe；Mini 版僅有 4B 引數，每分鐘 0.0035 美元。
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。
Mistral 發布語音合成模型 Voxtral Mini TTS 3，官方稱其在 35 種以上語言和 50 多種方言上達到當前最佳的表達力。模型支援隱式指令跟隨，能從對話內容中讀出情緒、語速與重音；也支援顯式控制，用 [emotion=sad][pace=slow] 這類標籤逐行設定情緒和節奏。
Mistral AI 公布 Voxtral Small Transcribe 3，稱其在多語言轉寫、說話人分離和上下文偏置三項能力上達到當前最優（state-of-the-art）。該模型能檢測說話人何時結束髮言，使語音 agent 無需等待即可及時回應，面向需要即時語音互動的場景。官方此次只披露能力定位，未公布引數規模、基準分數、價格、許可證或上線時間，也未給出與同類模型的對比結果和開放使用方式。
Mistral 發布 Voxtral 3，包含 Transcribe 與 Speech 兩類語音模型，官方稱其達到當前最優水平，並用於驅動 Mistral 新的語音智慧體 API。公告以推文執行緒形式給出，未披露模型規模、定價、可用平台與發布時間等細節。
過去 48 小時，有 3 個獨立來源報導，最近 6 小時新增 0 個。熱度 2.3，熱門榜第 2 名。
熱度以 48 小時內的獨立來源計，同一來源只算一次，每 24 小時權重減半。
同一事件的報導集中在這裡，新的進展會繼續補充。