📖 AI 总结

Mistral AI 发布 Voxtral 3 语音模型家族及配套语音智能体 SDK。该家族包含三款转录模型（旗舰版 Small Transcribe 3、40 亿参数的 Mini Transcribe 3、支持 WebSocket 流式识别的 Realtime 3）和一款文本转语音模型 Voxtral Speech 3，均处于公开预览阶段，可通过 Mistral API 调用。转录模型支持说话人分离与上下文偏置，批量转录覆盖 50 种语言。性能方面，Small Transcribe 3 在独立评测中以 2.1% 的 AA-WER 位列第三，在说话人分离和多语言批量转录上表现突出；但实时模型在 240 毫秒延迟下词错率为 7.4%，落后于 Gemini 3.5 Realtime 的 4.2%。SDK 基于 LiveKit 构建，将实时监听、LLM 推理与工具调用、语音回复整合为单一流式管线，每轮交互可在一秒内完成。此次发布表明 Mistral 正从单一语音识别向端到端语音智能体平台延伸。