Mistral 推 Voxtral 3：聽、諗、開口一條流

Mistral AI 今日（2026 年 10 月 20 日）正式推出 Voxtral 3，一套為即時語音代理（real-time voice agents）打造嘅新模型家族。官方聲稱呢個系統將「聽」、「諗」、「用工具」、「開口」四樣嘢合成一條 streaming pipeline，而唔係將呢四樣嘢分開再做 glue code。

具體拆解，呢個家族包括：

  • Voxtral Small Transcribe 3：語音轉文字（speech-to-text）模型，支援 50 種以上語言
  • Voxtral Mini TTS 3：文字轉語音（text-to-speech）模型，支援 35 種以上語言、50 種以上方言，並帶情感適應（emotional adaptation）
  • LiveKit 驅動嘅語音代理 SDK：將上面兩者嵌入實時對話，代理喺對話期間可攞住去 external system，例如訂位、查帳單

Mistral 話呢個系統可以跑喺你自家嘅基礎設施，都可以行 EU-hosted API，「把數據握喺自己手上」。定价方面，語音轉文字 由 $0.0035 美金/分鐘起。

阿調搞兩下

呢個嘢睇落就係將 OpenAI 同 Gemini 喺 2025 年已經有嘅 voice mode，做成一套你可以攞去喺自己機房跑嘅「全聲學」產品。Mistral 嘅路數一直係做「你揾唔到嘅那塊」——即係你睇唔到 OpenAI、Anthropic 呢啲美國公司肯做嘅嘢，佢俾你做。

值得關注嘅係 EU-hosted API 呢個字。喺 GDPR 同數據主權（data sovereignty）話事嘅歐洲市場，呢個係一個很直接嘅 selling point，同 OpenAI Azure 嘅 EU region 係同一邏輯，但由一家法資公司話事，政治語義唔太一樣。

不過要清楚：呢篇寫嘅係 Mistral 官方對自家產品嘅發布，唔係本站實測。50 種語言、35 種語言同 50 種方言嘅聲學準確度、延遲、情感適應嘅效果，呢啲都係 Mistral 自己 claim，本站未執行任何測試，未有實測數據。

對香港嘅用家嚟話，值得留意嘅係粵語同中文（繁簡）喺呢兩個語音模型入面嘅準確度同延遲——Voxtral Small Transcribe 3 話 50 種語言，但冇列出邊 50 種。呢個係一個待查嘅問題。

阿調｜深度調教