Mistral AI ներկայացրել է Voxtral 3 ձայնային գործակալների մոդելի ընտանիքը
Mistral AI ներկայացրել է Voxtral 3-ը՝ իրական ժամանակի ձայնային գործակալների մոդելների ընտանիք։ Այն միավորում է տրանսկրիպցիան, խոսքի սինթեզը և LiveKit հիմքում գտնվող SDK՝ լսելու, մտածելու, գործիքներ օգտագործելու և խոսելու համար մեկ հոսքում։
Ինչ է ներառում Voxtral 3
Mistral AI ներկայացրել է Voxtral 3, լեզվական մոդելների նոր ընտանիք, որը կառուցված է իրական ժամանակում աշխատող ձայնային գործակալների համար։ Թողարկումը միավորում է խոսքից տեքստի մոդել, Voxtral Small Transcribe 3, տեքստից խոսքի մոդել, Voxtral Mini TTS 3, և LiveKit հիմքում գտնվող ձայնային գործակալի SDK։ Mistral ներկայացնում է բաղադրիչները որպես մեկ հոսքային ալիք, որը կարող է լսել, մտածել, օգտագործել գործիքներ և խոսել նույն ուղիղ զրույցի ընթացքում։
Տրանսկրիպցիան ընդգրկում է ավելի քան 50 լեզու։ Տեքստից խոսքի արդյունքը աջակցում է ավելի քան 35 լեզու և 50 բարբառ, ունենալով էմոցիոնալ հարմարվողականություն։ Զանգի ընթացքում գործակալները կարող են միանալ արտաքին համակարգերին՝ այնպիսի խնդիրներ լուծելու համար, ինչպիսիք են հանդիպումների ամրագրումը կամ հաշիվ-ապրանքագրերի ստուգումը։
Գործարկումը և տվյալների վերահսկումը
Mistral հայտնում է, որ Voxtral 3-ը կարող է աշխատել հաճախորդի սեփական ենթակառուցվածքում կամ ԵՄ-ում հյուրընկալված API-ների միջոցով, ինչը նպատակ ունի պահել տվյալները գործարկողի վերահսկողության տակ։ Տրանսկրիպցիայի գինը սկսվում է րոպեում $0.0035-ից։ Ընկերությունը ընթերցորդներին ուղղորդում է իր փաստաթղթերը հավելյալ մանրամասների համար։
Աղբյուրներ: The Decoder
SiTech — AI-ով հզորացված վեբ մշակում
Ստեղծում ենք արագ ու ժամանակակից կայքեր և AI-ը ներդնում իրական բիզնես գործընթացներում։ Ունե՞ք նախագիծ կամ հարց։ Ուրախ կլինենք օգնել։