Mistral ha annunciato il rilascio di Voxtral 3, una famiglia all'avanguardia di modelli speech-to-text e text-to-speech. Il sistema include un SDK per agenti vocali che integra l'ascolto, l'analisi e il parlato in un unico flusso di streaming in tempo reale. Voxtral 3 è progettato per creare esperienze conversazionali naturali, da assistenti virtuali a copilot hands-free, supportando più di 50 lingue con trascrizioni accurate e sintesi vocale emotiva. Gli agenti possono interpretare intenzioni sfumate ed eseguire azioni in più passaggi attraverso l'integrazione di strumenti esterni. Per garantire la sovranità dei dati, la soluzione è disponibile sia tramite API ospitate nell'Unione europea sia per l'implementazione autonoma sulle infrastrutture aziendali. Questo approccio offre alle organizzazioni un controllo totale su dove l'audio viene elaborato e su come vengono gestiti i dati.
Approfondiremo questa notizia e pubblicheremo ulteriori dettagli dopo averlo provato.