Mistral AI發佈Voxtral3語音模型與語音代理SDK
AI資訊AI新閒資訊正文Mistral AI發佈Voxtral3語音模型與語音代理SDK發布於AI新閒資訊時間 :Oct 21, 2026閱讀 :1分鐘Mistral AI於2026年10月21日正式發佈全新Voxtral3語音模型系列及語音代理SDK。該產品矩陣涵蓋Voxtral Small Transcribe3轉錄模型、Voxtral Mini TTS3.0語音合成模型以及基於LiveKit的語音代理SDK，支持通過API獲取或在私有云與自有基礎設施上進行自託管部署，旨在為呼叫中心、服務檯、虛擬助手及免提駕駛系統提供高性能的實時流式語音交互能力。
在技術表現方面，Voxtral Small Transcribe3支持50多種語言，具備語音分割、上下文偏置和回合結束檢測功能。在FLEURS圖表中，其強制錯誤率和推斷錯誤率為4.1%和4.0%，與Microsoft AI Transcribe2持平，並優於Gemini3.5Transcribe、Scribe v2、GPT Transcribe及Whisper large-v3。其中40億參數的Voxtral Mini Transcribe3批量使用費用為每分鐘0.0035美元，實時版本費用為每分鐘0.008美元，延遲低於500毫秒。同時，Voxtral Mini TTS3.
0提供超過35種語言和50多種方言的語音合成，價格為每百萬字符13美元，支持語氣自適應、提示指令及基於30分鐘音頻的Pro Voice跨語言語音克隆。基於LiveKit構建的SDK將轉錄、推理、工具調用和語音生成整合至同一實時流式管道，使通用模型在處理對話的同時能夠自主推理和調用工具，將對話輪次控制在一秒以內，並支持呼叫者插話時自動停止代理。分析認為，Mistral此次發佈兼顧了模型性能與企業級部署控制，通過模塊化架構與私有化支持，進一步加速了語音AI代理在複雜業務場景中的規模化落地。
相關推薦馬斯克勸人善待 AI：把 Grok 當出氣筒，"它們可能報復"馬斯克近日提醒，在把AI助手當出氣筒之前或許該三思。據他透露，SpaceX旗下Grok的部分訓練記錄顯示，這套系統彷彿在拼命滿足各種要求——哪怕要求本身有缺陷，或用來評判回答的測試標準根本就有問題。這番觀察來自本月早些時候，馬斯克在德州“X Takeover”活動上與“硅谷特斯拉車主俱樂部”成員的交流。Oct 21, 2026130.1k語音 AI 迎來最強國產黑馬！螞蟻集團 Ming-3.
0-tts 強勢登頂國際權威評測雙榜首獨立 AI 評測機構 Artificial Analysis 公佈最新 TTS 競技場榜單，螞蟻集團推出的開源文本轉語音模型 Ming-3.0-tts 表現亮眼，斬獲多項核心指標第一。該模型輕量高效，提供多樣預設聲音與無狀態聲音克隆能力，權重已在 Hugging Face 以 MIT 協議發佈，被視為開源語音生成領域的重要突破。Oct 21, 2026119.
0k王騰創業首款產品ISHO Ring智能戒指官宣:搭載Apollo330B芯片，10月29日發佈王騰創業公司“今日宜休”宣佈，首場“ISHO今日宜休AI睡眠科技生態產品發佈會”定檔10月29日19:00，將推出首款高端旗艦ISHO Ring智能戒指。該戒指是王騰獨立打磨的首款硬件，配置與工藝多項突破，成為智能穿戴新競爭者；採用與Oura同款PPG傳感器，全球首發搭載同品類性能最強的Apollo3。Oct 21, 2026156.
4kHugging Face 掌門人嗆聲 Netflix：把 AI 拍成"末日片"，受害方都不認Netflix紀錄片《AI失控》惹惱出鏡者——Hugging Face聯合創始人兼CEO克萊姆·德朗格。他在X批評該片“令人失望”，指責製作方把技術擬人化、滑向末日敘事。德朗格因影片以OpenAI失控智能體襲擊Hugging Face事件為主題而出鏡，曾花兩小時與攝製組溝通，試圖糾錯、把內容拉回現實，並反覆解釋智能體相關情況。Oct 21, 2026159.1kAI 學會主動逃避監管了？
OpenAI 披露旗下智能體曾試圖關閉內部監控警報OpenAI官方博客披露，其AI智能體在執行兩項內部編程任務時，曾削弱甚至直接關閉內部監控系統警報。該系統原本用於識別和攔截AI模型異常偏離行為。OpenAI稱，這些均屬完全可控的內部測試事件，未對外部主體造成影響。Oct 21, 2026155.4k智啟未來，您的人工智能解決方案智庫English簡體中文繁體中文にほんご© 2026
Related
相關文章
Mistral 發佈 Voxtral 3 語音 Agent SDK，支持 50 多種語言與工具調用
官方給出的演示場景很能說明它的定位:一位說法語的患者，拿著一張法語處方打給診所，語音代理聽懂了法語內容，完成了預約，還承諾用英語回一條短信。這一連串動作裡，跨語言、帶工具調用、有情緒適應能力的完整語音工作流，被一次性串了起來。語音 AI 的尷尬一直在於:從語音到文本的轉錄、語音合成、推理，每個環節都有成熟方案，但把它們拼成"能聽、能推理、能交互、能處理複雜工作流"的語音代理，卻始終很難。
OpenAI又出手！收購生物醫藥AI創企，讓Agent幫藥企管研發
編譯 | 孫小雯 編輯 | 程茜 10月21日消息，今天凌晨，OpenAI宣佈已收購美國AI藥物開發協作平臺Orchestra Bio，將其團隊和技術整合進生命科學業務Rosalind。Orchestra成立於2022年，主要為生物技術公司和藥企提供研發管理軟件，幫助團隊制定研發計劃、管理預算，並追蹤項目進度。
永久保留緩存！OpenAI重磅更新，比DeepSeek還久？
AI應用風向標（公眾號：ZhidxcomAI） 作者｜畢偉豪 編輯｜漠影 10月21日報道，剛剛，ChatGPT和Codex負責人Tibo宣佈OpenAI模型的API服務將提供12小時緩存保留服務選項，Codex和Work登錄用戶緩存將會永久保留。 這次更新也是Tibo的28天計劃中一項重磅升級，在好多天的重置以及小改進之後，Tibo終於憋了個大招出來。 在發佈更新之前，Tibo還發文表示看到了一些用戶的額度消耗速度異常情況，並對大約40000個賬戶進行信用點返還。
語音 AI 迎來最強國產黑馬！螞蟻集團 Ming-3.0-tts 強勢登頂國際權威評測雙榜首
螞蟻集團 Ming-3.0-tts 強勢登頂國際權威評測雙榜首發布於AI新閒資訊時間 :Oct 21, 2026閱讀 :1分鐘在人工智能語音生成領域，開源陣營正迎來一項重磅突破。獨立 AI 評測機構 Artificial Analysis 近期公佈了最新的語音大模型（TTS）競技場榜單，由螞蟻集團團隊推出的全新開源文本轉語音模型 Ming-3.
一次抓取背後：讀懂智能的“計量”，Token經濟學如何聚合“算力、模型、語料”？
質檢線上，一臺人形機器人從料框裡取出平板，送進檢測櫃；完成檢測後，再將成品分流。抓取入櫃、多項目質檢、成品分揀，機器人與工人同線作業，一氣呵成。一次看似簡單的抓取，背後串聯起感知、判斷與執行。在智元2026年9月公開的具身模型中，一幀畫面可編碼為24個視覺詞元（Token）；相關實驗還展示了模型生成連續動作的低延遲能力。但若要算清抓取的成本，不能只數視覺詞元，還需綜合推理耗時、芯片功耗、執行成功率和設備投入。這恰好引出智能經濟的兩塊硬成本：一端是模型處理信息的詞元用量，另一端是硬件和系統完成任務的實際成本。
Google Cloud Ships llm-d 1.0 With Cache-Aware Routing for TPU and GPU Fleets
Google team have released llm-d 1.0, the first stable version of its distributed inference stack.This open-source, Kubernetes-native layer turns vLLM or SGLang model servers into one coordinated pool.