Mistral har lanceret Voxtral 3, en familie af modeller til transskription og taleproduktion samt et udviklingskit til stemmeagenter. Agenterne skal kunne føre en samtale og samtidig hente oplysninger eller udføre opgaver i tilknyttede systemer.
Lytte, tænke og svare
Udviklingskittet bygger på LiveKit og forbinder talegenkendelse, en sprogmodel, værktøjskald og talesyntese i et løbende forløb. Mistrals eksempler omfatter kundeservice, opslag i en regning og booking af en tid.
Delene kan udskiftes hver for sig. Virksomheder kan derfor vælge en anden ræsonneringsmodel, stemme eller sprog uden at bygge hele agenten om. Systemet kan kobles til telefoni samt browser- og appbaserede samtaler.
EU-hosting eller egen infrastruktur
Voxtral 3 tilbydes gennem Mistrals API og kan også installeres på egen infrastruktur efter aftale. Mistral har europæiske, amerikanske og globale API-endepunkter; EU-behandling kræver altså det rette valg af opsætning.
Transskriptionsmodellerne understøtter over 50 sprog, mens taleproduktionen har sin egen sprogdækning på over 35 sprog og flere dialekter. Det er forskellige funktioner med forskellige sproglister. Dansk transskription er derfor ikke i sig selv en bekræftelse på en dansk standardstemme.
Kilde: Mistrals præsentation af Voxtral 3.
Aktører i artiklen
