Mistral bringt Sprachagenten mit unter einer Sekunde pro Gesprächsrunde
Voxtral 3
Mistral stellt Voxtral 3 vor: ein SDK für Sprachagenten, das Zuhören, Denken, Tool-Aufrufe und Sprechen in einer einzigen Echtzeit-Pipeline vereint. Die Transkriptionsmodelle erkennen über 50 Sprachen samt Sprechertrennung, die TTS-Modelle passen Emotion und Tempo an den Gesprächskontext an. Jede Runde schließt in unter einer Sekunde ab, der Agent verstummt, sobald der Anrufer unterbricht. Alles läuft über die EU-gehostete API oder auf eigener Infrastruktur.
Keine Stufe wartet auf die vorherige, sodass jede Runde in unter einer Sekunde abgeschlossen ist, und der Agent hört auf zu sprechen, wenn der Anrufer dazwischenredet.