Що сталося
20 жовтня 2026 року французька Mistral AI випустила Voxtral 3 — набір для голосових агентів, які слухають, думають і відповідають голосом у реальному часі. У пакеті три моделі розпізнавання мовлення, модель синтезу голосу та SDK, який зв’язує їх із мовною моделлю в один ланцюжок. Усе доступне через API Mistral з майданчиками в ЄС, США та глобальним.
Деталі
Моделі та ціни за анонсом Mistral на 20 жовтня:Модель Що робить Ціна Voxtral Mini Transcribe 3 розпізнавання записів, 4 млрд параметрів $0,0035 за хвилину Voxtral Small Transcribe 3 найточніше розпізнавання, розділяє мовців $0,004 за хвилину Voxtral Mini Transcribe Realtime 3 розпізнавання потоку із затримкою до 0,5 с $0,008 за хвилину Voxtral Speech 3 синтез голосу, клонування $13 за 1 млн символів
- Розпізнавання розуміє 50+ мов, синтез — 35+ мов і 50+ діалектів. Готові голоси є для 18 мов; української серед них немає, хоча приклад синтезу українською на сторінці анонсу є.
- Клонування Pro Voice переносить манеру мовлення людини на інші мови приблизно за 30 хвилинами запису.
- SDK побудований на відкритому фреймворку LiveKit: працює з телефонією (SIP) і браузером (WebRTC), вміє викликати зовнішні сервіси, розуміє, коли співрозмовник договорив, і замовкає, якщо його перебили. За заявою Mistral, повний хід розмови вкладається менш ніж у секунду.
- За вимірами самої Mistral на тесті FLEURS (45 мов) частка помилок у словах у Small Transcribe 3 — 4,1%, у Scribe v2 від ElevenLabs — 4,9%, у Whisper large-v3 — 16%.
Що це означає
Кого стосується: розробників кол-центрів, голосових помічників і сервісів розшифрування. Головне — поріг входу. Година запису через Mini Transcribe 3 коштує близько $0,21, і весь ланцюжок «почув — зрозумів — відповів» береться в одного постачальника, а не збирається з трьох.
Обмеження теж є. Бенчмарки — власні, незалежних вимірів поки немає. У потоковому розпізнаванні Mistral за своєю ж таблицею поступається Gemini 3.5 Realtime Transcribe: 5,7% помилок проти 4,2%. Відкритих ваг в анонсі немає — власний сервер можливий лише через відділ продажів.
Для звичайного користувача реліз має і зворотний бік. Клон голосу за пів години запису — це зручно для бізнесу і зручно для шахраїв. Як розпізнати підробку по телефону, ми розбирали в гайді про голосові діпфейки. Горизонт — уже зараз: моделі доступні в API і пісочниці Studio з 20 жовтня. Якщо потрібна модель Mistral на своєму залізі, є розбір Mistral Small на домашньому ПК.
