Mistral AI-მ გამოუშვა Voxtral 3, ხმოვანი აგენტებისთვის შექმნილი მოდელების ოჯახი
Mistral AI-მ გამოუშვა Voxtral 3, რეალურ დროში მომუშავე ხმოვანი აგენტებისთვის განკუთვნილი მოდელების ოჯახი. ის აერთიანებს ტრანსკრიფციას, მეტყველების სინთეზსა და LiveKit-ზე დაფუძნებულ SDK-ს ერთ სტრიმინგ პროცესში.
რას მოიცავს Voxtral 3
Mistral AI-მ გამოუშვა Voxtral 3, ენის მოდელების ახალი ოჯახი, რომელიც რეალურ დროში მომუშავე ხმოვანი აგენტებისთვისაა შექმნილი. გამოშვება აერთიანებს მეტყველების ტექსტად გადაქცევის მოდელს Voxtral Small Transcribe 3-ს, ტექსტის მეტყველებად გადაქცევის მოდელს Voxtral Mini TTS 3-ს და LiveKit-ზე დაფუძნებულ ხმოვანი აგენტის SDK-ს. Mistral AI ამ კომპონენტებს ერთიან სტრიმინგ პროცესად წარმოადგენს, რომელსაც ერთსა და იმავე ცოცხალ საუბარში შეუძლია მოისმინოს, იფიქროს, გამოიყენოს ხელსაწყოები და ილაპარაკოს.
ტრანსკრიფცია მოიცავს 50-ზე მეტ ენას. ტექსტის მეტყველებად გადაქცევის ფუნქცია მუშაობს 35-ზე მეტ ენასა და 50 დიალექტზე, ემოციური ადაპტაციის შესაძლებლობით. ზარის დროს აგენტებს შეუძლიათ დაუკავშირდნენ გარე სისტემებს ისეთი ამოცანებისთვის, როგორიცაა შეხვედრის დაჯავშნა ან ინვოისების შემოწმება.
განთავსება და მონაცემებზე კონტროლი
Mistral AI-ის თქმით, Voxtral 3-ს შეუძლია იმუშაოს მომხმარებლის საკუთარ ინფრასტრუქტურაზე ან ევროკავშირში განთავსებული API-ების მეშვეობით; ასეთი კონფიგურაცია მიზნად ისახავს, რომ მონაცემები განმთავსებლის კონტროლის ქვეშ დარჩეს. ტრანსკრიფციის ფასი წუთში 0,0035 დოლარიდან იწყება. დამატებითი დეტალებისთვის კომპანია მკითხველს საკუთარ დოკუმენტაციაზე მიუთითებს.
წყაროები: The Decoder
SiTech — AI-გაძლიერებული ვებ დეველოპმენტი
ვქმნით სწრაფ, თანამედროვე ვებსაიტებს და AI-ს ვაერთიანებთ ქართული ბიზნესებისთვის. გაქვთ პროექტი ან კითხვა? სიამოვნებით დაგეხმარებით.