Mistral का Voxtral 3: 50+ भाषाओं में Voice Agent
मूल शीर्षक: Voxtral 3
यह क्यों महत्वपूर्ण है
Voice AI में end-to-end sovereign deployment का विकल्प enterprise बाज़ार के लिए बड़ा कदम है।
Mistral ने Voxtral 3 लॉन्च किया — एक Voice Agent SDK और speech models का परिवार जो 50+ भाषाओं में real-time बातचीत, transcription, और tool integration देता है। EU-hosted API और self-deployment दोनों विकल्प उपलब्ध हैं।
Mistral AI ने Voxtral 3 पेश किया है, जो speech-to-text, text-to-speech और voice agent SDK का एक संयुक्त परिवार है। यह सुनने, समझने, बोलने और कार्य करने — चारों क्षमताओं को एक real-time streaming pipeline में जोड़ता है।
इस परिवार में दो मुख्य मॉडल हैं। पहला, Voxtral Small Transcribe 3 — एक speech-to-text मॉडल जो 50 से अधिक भाषाओं में transcription करता है। इसमें speaker diarization (कौन बोल रहा है), context-biasing (keyphrases से सटीकता), और end-of-turn detection जैसी सुविधाएँ हैं। दूसरा, Voxtral Mini TTS 3 — text-to-speech मॉडल जो बातचीत के अनुसार भावनाओं के साथ आवाज़ बदलता है।
Voxtral 3 की खासियत यह है कि यह multi-step tool calling को support करता है — यानी agent न केवल सुन और बोल सकता है, बल्कि बाहरी systems से जुड़कर appointment booking जैसे काम भी कर सकता है। इसे contact centers, virtual assistants और hands-free copilots के लिए बनाया गया है।
Data sovereignty पर ध्यान देते हुए Mistral ने इसे EU-hosted API के ज़रिये और self-deployment के विकल्प के साथ उपलब्ध कराया है, जिससे organizations अपने audio data पर नियंत्रण रख सकती हैं।