أطلقت Mistral نموذج Voxtral 3، وهو مجموعة جديدة من نماذج تحويل الكلام إلى نص وتحويل النص إلى كلام، مقترنة بحزمة تطوير برمجيات لوكيل صوتي. يجمع النظام بين الاستماع والاستدلال واستدعاء الأدوات والتحدث ضمن خط معالجة بث فوري واحد، وقد صُمم لتقديم تجارب محادثة طبيعية في مراكز الاتصال ومكاتب الخدمة والمساعدين الافتراضيين والمساعدين المرافقين بدون استخدام اليدين.
يوصف نموذج تحويل الكلام إلى نص، Voxtral Small Transcribe 3، بأنه الأحدث في مجال النسخ متعدد اللغات. يدعم أكثر من 50 لغة، ويحدد من قال ماذا (تمييز المتحدثين)، ويستخدم العبارات المفتاحية لتحسين الدقة (التحيز السياقي)، ويكتشف متى ينهي المتحدث حديثه حتى يتمكن الوكلاء من الرد دون تأخير. وتشمل قائمة اللغات الموسعة 24 لغة رسمية في الاتحاد الأوروبي، وكثيرًا من اللغات الآسيوية والهندية قليلة الموارد.
يقدّم نموذج تحويل النص إلى كلام، Voxtral Mini TTS 3، أصواتًا جديدة تعدّل المشاعر والإيقاع والتأكيد بناءً على سياق المحادثة، مع دعم أكثر من 35 لغة و50 لهجة. وفي حالات الاستخدام المهني، يمكن لميزة تخصيص Pro Voice أن تعيد إنتاج الطابع المميز للمتحدث ونطاقه العاطفي وأسلوب كلامه عبر اللغات باستخدام 30 دقيقة من الصوت فقط.
صُمم Voxtral 3 للنشر السيادي. وهو متاح عبر واجهة برمجة Mistral المستضافة في الاتحاد الأوروبي، أو للنشر الذاتي على البنية التحتية الخاصة بالمؤسسة، مما يمنح التحكم في مكان معالجة الصوت، وكيفية التعامل مع البيانات، وما إذا كانت المحادثات ستُحفظ. وهذا يجعله مناسبًا للمحادثات الحساسة التي يجب أن تبقى داخل بيئة خاضعة للرقابة.
المصدر: Hacker News · لخّصه HeadlinesBriefing