原文標題：Voxtral 3

Mistral AI 於 10 月 20 日推出 Voxtral 3 語音模型家族與 Voice Agent SDK，將語音輸入、語意推理、工具呼叫及語音回覆串成即時串流工作流程。產品面向客服中心、服務台、語音助理與免持操作系統，可透過 Mistral API 使用，也能洽談在企業私有基礎設施自行部署。

語音辨識產品包含 Voxtral Small Transcribe 3、Voxtral Mini Transcribe 3，以及即時版 Voxtral Mini Transcribe Realtime 3。Small 版本提供超過 50 種語言的轉錄、說話者辨識（diarization）與關鍵詞偏置功能；Realtime 版本標示支援 40 種以上語言，延遲低於 500 毫秒。語音合成 Voxtral Speech 3 支援 35 種以上語言與 50 種以上方言，能依上下文調整情緒、速度與強調方式。

官方另外提供專業聲音適配（Pro Voice），表示使用約 30 分鐘音訊樣本即可重現聲線特性與跨語言表現。Voice Agent SDK 建立在 LiveKit 上，透過 Voxtral Mini Transcribe Realtime 3、可替換的推理模型及 Voxtral Speech 3 串接，支援 SIP 電話、WebRTC、IVR 與既有客服系統，官方宣稱互動回合可在一秒內完成並能處理使用者插話。

價格方面，Mini Transcribe 3 批次轉錄為每分鐘 0.0035 美元，Small Transcribe 3 為 0.004 美元，Mini Transcribe Realtime 3 為 0.008 美元；Voxtral Speech 3 批次或即時語音合成每百萬字元 13 美元。使用 Mistral Small 4 推理的 Voice Agent API 為每分鐘 0.04 美元，使用其他推理模型為每分鐘 0.08 美元。

官方列出歐洲、美國與全球 API 端點，並表示可洽談企業自架。自行部署的硬體需求、企業報價與完整資料留存設定須另向廠商確認。

發生了什麼事

Mistral AI 發表 Voxtral 3 語音辨識、合成及語音代理 SDK，並公開多種 API 的計費單位與費率。

為什麼重要

將語音、推理與工具執行串接，可降低企業自行整合語音客服與即時代理系統的複雜度，且提供私有部署選項。

影響哪些人

語音客服開發者、系統整合商、需要多語支援的企業，以及重視語音資料主權的機構。

已確認與未確認

已確認語言數、主要功能及官方公開的 API 價格；自架硬體、各區域供應條件與企業客製報價未完整公布。