Voxtral 3 : Mistral lance un SDK d'agents vocaux temps réel et de nouveaux modèles STT et TTS (en)

Mistral présente Voxtral 3, une famille de modèles de speech-to-text et de text-to-speech accompagnée d’un SDK d’agents vocaux. Le pipeline streaming combine écoute, raisonnement, appel d’outils et synthèse vocale, avec une transcription en 50+ langues (diarization, context biasing) et une latence sous 500 ms en temps réel. Le déploiement se fait via l’API hébergée dans l’UE ou sur sa propre infrastructure.