Mistral bringt Voxtral 3 auf den Markt, ein komplettes Toolkit für Sprachassistenten, die antworten
Die neue Voxtral 3-Familie von Mistral bündelt Spracherkennung, Sprachausgabe und ein SDK für Echtzeit-Sprachagenten, wahlweise mit EU-Hosting oder eigenen Servern.
Mistral AI hat Voxtral 3 herausgebracht, eine Modellfamilie für Sprachassistenten, die in Echtzeit zuhören, denken und laut antworten können. Laut The Decoders Zusammenfassung der Ankündigung vom 20. Oktober besteht sie aus drei Teilen: Voxtral Small Transcribe 3 wandelt Sprache in Text um, Voxtral Mini TTS 3 wandelt Text wieder in Sprache um, und ein auf LiveKit basierendes Software-Kit (ein „SDK“) verbindet sie in einer Live-Pipeline.
Die angebotenen Zahlen sind bescheiden, aber klar. Die Transkription deckt mehr als 50 Sprachen ab, während die Sprachausgabe über 35 Sprachen und 50 Dialekte unterstützt und ihren Ton an die Emotionen eines Gesprächs anpassen kann. Die Transkriptionspreise beginnen bei 0,0035 US-Dollar pro Minute, was ungefähr zwanzig Cent pro Audiostunde entspricht. Da die Teile als eine Streaming-Pipeline ausgeführt werden, kann ein Agent auch während des Gesprächs externe Systeme anrufen, um beispielsweise einen Termin zu vereinbaren oder eine Rechnung nachzuschlagen, anstatt zu warten, bis Sie aufhören zu reden.
Der Teil, der für europäische Leser auffällt, ist, wo es laufen kann. Unternehmen können in der EU gehostete APIs verwenden oder den gesamten Stack auf ihrer eigenen Infrastruktur ausführen, was für jeden von Bedeutung ist, der aufgezeichnete Kundenanrufe nicht gerne an einen Server im Ausland senden möchte. Mistral ist ein französisches Unternehmen, daher passt dies zu seinem üblichen Pitch.
Es lohnt sich, einige Lücken zu kennen. In der Berichterstattung werden keine Benchmark-Werte, keine Reaktionszeitwerte und keine Modellgrößen genannt. Es ist auch unklar, ob der Preis von 0,0035 US-Dollar nur die Transkription oder den gesamten Stack abdeckt, und die Lizenzbedingungen für Selbsthosting wurden in der Zusammenfassung, die wir überprüfen konnten, nicht dargelegt. Betrachten Sie die Behauptungen als Ankündigung, nicht als Testergebnis.
Was dahinter steckt: Ein guter Sprachassistent ist schwieriger als es klingt. Es muss Sie genau hören, entscheiden, was zu tun ist, das richtige Werkzeug anrufen und schnell genug antworten, damit sich die Pause nicht unangenehm anfühlt. Das mit drei separaten Produkten von drei Anbietern zu machen, ist umständlich. Mistral geht davon aus, dass es einfacher ist, mit einem einzelnen Bundle zu bauen. Im Klartext handelt es sich dabei weniger um ein neues Gehirn als vielmehr um ein fertiges Set aus Ohren, einem Mund und der Verkabelung zwischen ihnen.
Was das für Sie bedeutet: Wenn Sie einfach nur Chatbots nutzen, ändert sich heute nichts. Wenn Sie Tools für ein kleines Unternehmen bauen, beispielsweise einen Telefonanschluss, der Fragen zu Öffnungszeiten beantwortet oder Termine bucht, ist Voxtral 3 einen Blick wert, insbesondere wenn die Speicherung von Daten in der EU erforderlich ist. Probieren Sie es zunächst mit einer Handvoll Ihrer eigenen Aufnahmen aus, mit Akzenten und Hintergrundgeräuschen, und vergleichen Sie Genauigkeit und Verzögerung, bevor Sie sich entscheiden.
Quellen
Quellen: https://mistral.ai/news/voxtral-3/
Laut OpenAI ist GPT-6 bei COBOL und anderen alten Programmiersprachen viel besser geworden
OpenAI meldet große Fortschritte bei selten verwendeten Sprachen wie COBOL und Fortran, einschließlich eines Sprungs bei einem COBOL-Migrationstest. Alle Angaben stammen vom Unternehmen.
