Mistral公司发布了Voxtral 3，包括三款语音转录模型、一款语音合成模型，以及完整的voice agent SDK。官方演示中，用户用英语要求预约皮肤科医生，AI读取法语转诊信，调用系统查询空闲时段，完成预约后再用英语确认，整个过程通过实时语音对话完成。Voxtral 3采用模块化设计，转录模型负责识别语音，Mistral small等通用大模型负责推理和调用工具，语音合成模型负责回答。该SDK支持电话和网页通话，允许用户随时打断，Mistral宣称单轮交互延迟不到1秒。转录支持的语言从13种扩展至50多种，语音合成支持35种以上语言和50多种方言。API实时转录每分钟收费0.008美元，语音合成每百万字符13美元。