Mistral 发 Voxtral 3：语音模型族 + 语音 Agent SDK，覆盖 50+ 语言
Mistral 10 月 20 日发布 Voxtral 3 语音模型族，一次给出四个面：转写（Small / Mini）、实时转写、语音合成（Mini TTS 3.0）与配套的语音 Agent SDK。Mini Transcribe 3 是 4B 参数，定价每音频分钟 0.0035 美元；实时版把出字延迟压到 500 毫秒以内、覆盖 35 种以上语言，并原生支持判断「谁说完话了」（end-of-turn），不靠静音阈值猜。语言面从上一代的十余种扩到 50 种以上，其中含 24 种欧盟官方语言与一批低资源亚洲、印度语种。
这一代的重心不是再刷一个转写分数，而是把听、想、调工具、说放进同一条流式管线：SDK 让 agent 在通话中查库、改单、下单，合成音色会按对话上下文调整情绪与语速，克隆音色只需 30 分钟样本。Mistral 给出的对比是 FLEURS 45 种语言的宏平均字错率、以及说话人分离的 cpWER 指标，称 Small 版同时超过 Whisper、Scribe v2 与 Gemini 3.5 Transcribe——这些是厂商自测口径，尚无第三方复现。
交付延续它的主权叙事：欧盟境内托管 API，或部署在客户自己的基础设施上，音频是否留存由客户决定。需要说清的是，本机查 Hugging Face 的 mistralai 组织，最新仓库仍是 10 月 14 日的 Timestral 系列，没有 Voxtral 3 的权重仓——这一代目前是托管服务与自部署授权，不是开放权重。
原文链接：Mistral 官方页面
核验记录
定日取 Mistral 官方单篇页自身字段：JSON-LD datePublished 2026-10-20T12:00:22Z（= 北京时间 20:00），页面直读 200 / 582,838 字节，本机未走代理。性能数字全部来自该页图表（FLEURS 45 语言宏平均 WER、cpWER、Artificial Analysis WER 指数），属厂商自测，正文已写明无第三方复现。权重是否公开：查HF mistralai org（按 createdAt 倒序）最新仓为 Timestral 系列 2026-10-14，未见 Voxtral 3 仓，故正文写「不是开放权重」而非「已开源」。配图取该页 og:image，裸请求与带站内 Referer 双向 200 / PNG 1440x800。