Mistral 10 月 20 日发布 Voxtral 3 语音模型家族与语音智能体 SDK，把听、推理、用工具、说话做成一条流式管线。模型家族包括 Voxtral Small/Mini Transcribe 3（50+ 语言转写，带说话人分离与上下文偏置）、实时转写模型（延迟低于 500 毫秒）和 Voxtral Speech 3 TTS（35+ 语言、50+ 方言，支持情绪与语速控制）。

配套 SDK 基于开源实时通信平台 LiveKit：智能体接听电话（SIP）或网页通话（WebRTC），边对话边调用业务系统——查账单、订会议都在通话中完成，推理模型与语音可分别替换。可欧盟托管、美国托管或部署在企业自有基础设施上。

定价上，批量转写低至每分钟 0.0035 美元；完整的语音智能体服务按分钟计费（Mistral Small 4 做推理为每分钟 0.04 美元），被视为 ElevenLabs-OpenAI 组合在欧洲托管场景下的有力替代。

消息来源

• THE DECODER：Mistral AI launches Voxtral 3, a full voice agent stack