Mistral Voxtral 3 koppelt Zuhören, Denken, Tool-Aufrufe und Sprechen in einer Streaming-Pipeline — Transcribe für mehr als 50 Sprachen, Speech für mehr als 35, ab 0,0035 US-Dollar pro Minute — Die am 20. Oktober freigegebene Familie umfasst drei Transcribe-Modelle, ein TTS-Modell und ein auf LiveKit gebautes Voice-Agent-SDK, das Spracheingabe, Reasoning, Tool-Ergebnisse und Sprachausgabe als einen einzigen Stream serviert; Voxtral Small Transcribe 3 meldet FLEURS-Fehlerquoten von 4,1 Prozent (forced) und 4,0 Prozent (inferred) und rangiert auf Platz 3 der Artificial-Analysis-STT-Liste, kostet 0,004 US-Dollar je Minute; das 4B-Modell Voxtral Mini Transcribe 3 liegt bei 0,0035 US-Dollar im Batch und 0,008 in Echtzeit (unter 500 ms Latenz); Voxtral Mini TTS 3 spricht mehr als 35 Sprachen und 50 Dialekte für 13 US-Dollar je Million Zeichen — laut Mistral unter dem Preis von OpenAI TTS-1, Deepgram, ElevenLabs Flash und Gemini Flash — mit Emotions- und Pace-Tags sowie Voice Cloning ab 30 Minuten Referenzaudio; verfügbar über EU-, US- und Global-Endpoints des API oder als Selbstbetrieb auf eigener Infrastruktur. Mistral · TestingCatalog · 🗃 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.
