Mistral lance Voxtral 3, une boîte à outils complète pour les assistants vocaux qui répondent
La nouvelle famille Voxtral 3 de Mistral regroupe la reconnaissance vocale, la sortie vocale et un SDK pour les agents vocaux en temps réel, avec un hébergement dans l'UE ou vos propres serveurs en option.
Mistral AI a lancé Voxtral 3, une famille de modèles conçus pour les assistants vocaux capables d’écouter, de réfléchir et de répondre à haute voix en temps réel. Selon le résumé de l’annonce de The Decoder du 20 octobre, il comporte trois parties : Voxtral Small Transcribe 3 transforme la parole en texte, Voxtral Mini TTS 3 transforme le texte en parole et un kit logiciel (un “SDK”) construit sur LiveKit les relie en un seul pipeline en direct.
Les chiffres proposés sont modestes mais clairs. La transcription couvre plus de 50 langues, tandis que la sortie vocale prend en charge plus de 35 langues et 50 dialectes et peut adapter son ton à l’émotion d’une conversation. Le prix de la transcription commence à 0,0035 $ par minute, ce qui équivaut à environ vingt cents par heure d’audio. Étant donné que les éléments fonctionnent comme un seul pipeline de streaming, un agent peut également appeler des systèmes externes en cours de conversation, par exemple pour prendre rendez-vous ou consulter une facture, au lieu d’attendre que vous arrêtiez de parler.
Ce qui ressort pour les lecteurs européens, c’est l’endroit où il peut être diffusé. Les entreprises peuvent utiliser des API hébergées dans l’UE ou exécuter l’ensemble de la pile sur leur propre infrastructure, ce qui est important pour quiconque n’est pas à l’aise pour envoyer des appels clients enregistrés vers un serveur à l’étranger. Mistral est une entreprise française, cela correspond donc à son discours habituel.
Certaines lacunes méritent d’être connues. La couverture ne mentionne aucun score benchmark, aucun chiffre de temps de réponse et aucune taille de modèle. Il n’est pas non plus clair si le prix de 0,0035 $ couvre uniquement la transcription ou l’ensemble de la pile, et les conditions de licence pour l’auto-hébergement n’ont pas été précisées dans le résumé que nous avons pu vérifier. Traitez les allégations comme une annonce et non comme un résultat de test.
Qu’est-ce qu’il y a derrière : un bon assistant vocal est plus difficile qu’il n’y paraît. Il doit vous entendre avec précision, décider quoi faire, appeler le bon outil et répondre suffisamment rapidement pour que la pause ne soit pas gênante. Faire cela avec trois produits distincts provenant de trois fournisseurs est délicat. Mistral parie qu’un seul ensemble est plus facile à construire. En termes simples, il s’agit moins d’un nouveau cerveau que d’un ensemble d’oreilles toutes faites, d’une bouche et du câblage entre elles.
Ce que cela signifie pour vous : si vous utilisez simplement des chatbots, rien ne change aujourd’hui. Si vous créez des outils pour une petite entreprise, comme une ligne téléphonique qui répond aux questions sur les heures d’ouverture ou prend des rendez-vous, Voxtral 3 vaut le détour, surtout si la conservation des données dans l’UE est une exigence. Essayez-le d’abord sur une poignée de vos propres enregistrements, avec des accents et du bruit de fond, et comparez la précision et le délai avant de vous engager.
Sources
Sources: https://mistral.ai/news/voxtral-3/
OpenAI indique que GPT-6 s'est bien amélioré en COBOL et dans d'autres anciens langages de programmation
OpenAI rapporte des gains importants sur des langages rarement utilisés comme COBOL et Fortran, y compris un saut dans un test de migration COBOL. Tous les chiffres appartiennent à l'entreprise.
