Mistral Voxtral 3: Sprachagenten-Pipeline als SDK — Transkription in über 50 Sprachen mit Ende-des-Aufhörs-Signal, Stimmen-Cloning ab 30 Minuten Audio, self-hostable oder auf EU-API — Am 22. Oktober brachte Mistral eine ganze Sprachagenten-Familie als einen Streaming-Durchlauf: Transkription, Reasoning, Tool Calls und Sprachsynthese laufen in einer Echtzeit-Pipeline. Voxtral Small Transcribe 3 deckt mehr als 50 Sprachen (davon 24 EU-Amtssprachen) mit Sprecher-Trennung und Kontext-Biasing für Fachvokabular ab; ein eigenes End-of-Turn-Signal meldet, wann ein Anrufer wirklich fertig ist statt nur Luft zu holen. Auf der eigenen FLEURS-Messung schlägt das Modell Whisper large-v3 und Scribe v2 bei der Wortfehlerrate, Gemini 3.5 Transcribe lag dahinter; eine 4B-Variante erledigt dieselbe Transkriptionsarbeit für 0,0035 Dollar je Minute. Voxtral Mini TTS 3.0 setzt 35-plus Sprachen und mehr als 50 Dialekte zu 13 Dollar je Million Zeichen um, Emotion und Tempo folgen dem Gesprächskontext; Pro Voice klont Stimme und emotionale Range aus 30 Minuten Probe und trägt den Stil sprachübergreifend mit. Im BeSimple-AI-Vergleich liegt Voxtral-TTS günstiger pro Zeichen als gpt-4o-mini-tts und Deepgram Flux bei vergleichbarer Genauigkeit. Deploy: EU-gehostete API oder eigener Server. Mistral · Pondero · 🗃 Wayback Machine (Archiv)
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von mistral.ai. Es erfolgte keine manuelle redaktionelle Bearbeitung.
