Что произошло
20 октября 2026 года французская Mistral AI выпустила Voxtral 3 — набор для голосовых агентов, которые слушают, думают и отвечают голосом в реальном времени. В пакете три модели распознавания речи, модель синтеза голоса и SDK, который связывает их с языковой моделью в одну цепочку. Всё доступно через API Mistral с площадками в ЕС, США и глобальной.
Детали
Модели и цены по анонсу Mistral на 20 октября:Модель Что делает Цена Voxtral Mini Transcribe 3 распознавание записей, 4 млрд параметров $0,0035 за минуту Voxtral Small Transcribe 3 самое точное распознавание, разделяет говорящих $0,004 за минуту Voxtral Mini Transcribe Realtime 3 распознавание потока с задержкой до 0,5 с $0,008 за минуту Voxtral Speech 3 синтез голоса, клонирование $13 за 1 млн символов
- Распознавание понимает 50+ языков, синтез — 35+ языков и 50+ диалектов. Готовые голоса есть для 18 языков, русский среди них, украинского нет.
- Клонирование Pro Voice переносит манеру речи человека на другие языки примерно по 30 минутам записи.
- SDK построен на открытом фреймворке LiveKit: работает с телефонией (SIP) и браузером (WebRTC), умеет вызывать внешние сервисы, понимает, когда собеседник договорил, и замолкает, если его перебили. По заявлению Mistral, полный ход разговора укладывается меньше чем в секунду.
- По замерам самой Mistral на тесте FLEURS (45 языков) доля ошибок в словах у Small Transcribe 3 — 4,1%, у Scribe v2 от ElevenLabs — 4,9%, у Whisper large-v3 — 16%.
Что это значит
Кого касается: разработчиков колл-центров, голосовых помощников и сервисов расшифровки. Главное — порог входа. Час записи через Mini Transcribe 3 стоит около $0,21, и вся цепочка «услышал — понял — ответил» берётся у одного поставщика, а не собирается из трёх.
Ограничения тоже есть. Бенчмарки — собственные, независимых замеров пока нет. В потоковом распознавании Mistral по своей же таблице уступает Gemini 3.5 Realtime Transcribe: 5,7% ошибок против 4,2%. Открытых весов в анонсе нет — свой сервер возможен только через отдел продаж.
Для обычного пользователя у релиза есть и обратная сторона. Клон голоса по получасу записи — это удобно для бизнеса и удобно для мошенников. Как распознать подделку по телефону, мы разбирали в гайде о голосовых дипфейках. Горизонт — уже сейчас: модели доступны в API и песочнице Studio с 20 октября. Если нужна модель Mistral на своём железе, есть разбор Mistral Small на домашнем ПК.
