Mistral Voxtral 3: وكلاء صوتيون بـ50 لغة

أعلنت Mistral عن Voxtral 3، وهي عائلة جديدة من نماذج الكلام مع مجموعة تطوير برمجيات (SDK) لوكلاء صوتيين مصممة للتعامل مع محادثات فورية بأكثر من 50 لغة. وتقول الشركة الفرنسية المتخصصة في الذكاء الاصطناعي إن هذه المجموعة تجمع النسخ النصي والاستدلال وتوليد الكلام واستدعاء الأدوات في مسار معالجة واحد متدفق.

يستهدف الإطلاق مراكز الاتصال والمساعدين الافتراضيين والمساعدين الصوتيين دون استخدام اليدين. ويتوفر Voxtral 3 اليوم عبر واجهة برمجة التطبيقات (API) التي تستضيفها Mistral داخل الاتحاد الأوروبي، أو عبر النشر الذاتي على بنية العميل التحتية، ما يبقي معالجة الصوت داخل بيئات خاضعة للسيطرة.

تضم عائلة Voxtral 3 نموذجين للكلام. يتولى Voxtral Small Transcribe 3 النسخ النصي متعدد اللغات مع تمييز المتحدثين، والتحيز السياقي للمصطلحات التقنية، وكشف نهاية الدور حتى يرد الوكلاء دون تأخير. ووفقًا لـ Mistral، فإنه يتفوق على Whisper وScribe v2 وGemini 3.5 Transcribe في الإنجليزية والفرنسية والإسبانية، بمعدل خطأ في الكلمات يصل إلى 4.0% فقط.

أما مخرجات الكلام، فيولّد Voxtral Mini TTS 3 أصواتًا طبيعية تكيّف الانفعال والسرعة والتشديد مع سياق المحادثة، ويغطي أكثر من 35 لغة وأكثر من 50 لهجة. وتوجد نسخة Mini من نموذج النسخ النصي بـ4 مليارات معامل، تنسخ مقابل 0.0035 دولار للدقيقة.

تربط مجموعة تطوير الوكلاء الصوتيين بين الاستماع والاستدلال والفعل. إذ يمكن للوكلاء استرجاع المعلومات والتفاعل مع أنظمة الأعمال وإنجاز المهام خلال محادثات مباشرة عبر الهاتف أو الويب. وللاستخدامات المهنية، تعيد خاصية Pro Voice إنتاج الطابع المميز للمتحدث ومداه الانفعالي عبر اللغات باستخدام 30 دقيقة فقط من التسجيل الصوتي.

يدعم Voxtral Transcribe 3 خمسين لغة، بينها 24 لغة رسمية في الاتحاد الأوروبي وعدد من اللغات الآسيوية والهندية محدودة الموارد. ويقبل النموذجان عبارات مفتاحية ونصوصًا حرة لتوجيه النسخ النصي، ما يحسّن التعرف على المفردات المتخصصة دون إعادة تدريب.

تضع Mistral النشر السيادي في صميم الميزات: إذ يمكن للمؤسسات التحكم في مكان معالجة الصوت، وكيفية التعامل مع البيانات، وما إذا كان يتم الاحتفاظ بالمحادثات. وتُستضاف الواجهة البرمجية في الاتحاد الأوروبي، أو يمكن للعملاء تشغيل Voxtral 3 على بنيتهم التحتية الخاصة.