Mistral, חברת ה-AI הצרפתית, הציגה את Voxtral 3: משפחה חדשה של מודלים שהופכים דיבור לטקסט וטקסט לדיבור, ולצידם ערכת פיתוח (SDK) לבניית סוכני קול. לפי הודעת החברה, המודלים זמינים כבר היום דרך ה-API של Mistral.
מה יש במשפחה
מודל התמלול הגדול, Voxtral Small Transcribe 3, תומך ביותר מ-50 שפות. הוא מזהה מי אמר מה (הפרדת דוברים), יודע לקבל מונחים מקצועיים כדי לדייק בתמלול שלהם, ומזהה מתי הדובר סיים את דבריו כדי שהסוכן יענה בלי השהיה. Mistral טוענת שהוא מוביל בתמלול רב-לשוני ובהפרדת דוברים, ושהוא עוקף את Whisper, את Scribe v2 ואת Gemini 3.5 Transcribe. אלה נתוני החברה עצמה, ולא נמצא להם אימות עצמאי.
לצדו יש גרסה קטנה (Mini) בת 4 מיליארד פרמטרים, וגרסת זמן אמת שמתמללת בהשהיה של פחות מ-500 מילי-שניות.
מודל הדיבור, Voxtral Mini TTS 3, מקריא טקסט בקול שמתאים את הרגש, הקצב וההדגשה להקשר השיחה. הוא תומך ביותר מ-35 שפות וב-50 ויותר ניבים. קולות מוכנים יש ב-18 שפות, בהן ערבית, סינית, הינדי, יפנית לא נכללת, אבל יש רוסית, גרמנית וצרפתית. עברית לא מופיעה ברשימת הקולות המוכנים. בנוסף יש שירות בשם Pro Voice, ששכפל קול של דובר מסוים, כולל סגנון ורגש, מ-30 דקות הקלטה.
סוכן קול בצינור אחד
החידוש המרכזי הוא ה-SDK, שנבנה על LiveKit (פלטפורמה לתקשורת בזמן אמת). הוא מחבר שלושה שלבים לצינור זורם אחד: מודל תמלול שמקשיב, מודל שפה כללי כמו Mistral Small שחושב ומפעיל כלים, ומודל הדיבור שעונה. לפי Mistral, אף שלב לא ממתין לקודם, כל תור בשיחה נסגר בפחות משנייה, והסוכן מפסיק לדבר כשהמתקשר קוטע אותו.
במהלך שיחה הסוכן יכול לאמת זהות, לבדוק חשבון או לקבוע תור, באמצעות קריאה לפונקציות, חיפוש באינטרנט ושליפת מידע ממערכות הארגון. הוא עובד בטלפון (SIP) ובדפדפן ובאפליקציות (WebRTC), ומתחבר למערכות מוקדי שירות קיימות. כל שלב הוא מודל נפרד, כך שאפשר להחליף מודל שפה, קול או שפה בלי לכתוב את הסוכן מחדש.
מחירים ופריסה
- Voxtral Mini Transcribe 3 (אצווה): 0.0035 דולר לדקה
- Voxtral Mini Transcribe Realtime 3: 0.008 דולר לדקה
- Voxtral Small Transcribe 3: 0.004 דולר לדקה
- Voxtral Speech 3: 13 דולר למיליון תווים
Mistral טוענת שמחיר הדיבור נמוך מזה של OpenAI TTS-1, Deepgram, ElevenLabs Flash ו-Gemini Flash. את ההשוואה לא בדקנו.
את המודלים אפשר להפעיל דרך נקודות קצה אירופיות, אמריקאיות וגלובליות, או על תשתית עצמית. החברה מדגישה ריבונות על המידע: הארגון שולט איפה האודיו מעובד והאם שיחות נשמרות. כל זה מבוסס על הודעת החברה בלבד.
מה עדיין לא ברור
ההודעה לא מפרטת אם המשקלות של המודלים החדשים פתוחות ובאיזה רישיון. היא גם לא אומרת אם ה-SDK הוא קוד פתוח ומה עלותו. ההפעלה בתשתית עצמית מותנית בפנייה לצוות Mistral. בעבר פרסמה החברה גרסאות Voxtral במשקלות פתוחות, אך אין אישור שהדבר נכון גם כאן.
מה זה אומר בשבילכם
המוצר מיועד בעיקר למפתחים ולארגונים שבונים מוקדי שירות, עוזרים קוליים ועוזרים לשימוש חופשי בידיים. הוא זמין עכשיו דרך ה-API, ואפשר לנסות תמלול, דיבור, שכפול קול וסוכני קול בסביבות הניסוי של Mistral Studio. התמחור לפי שימוש מפורט למעלה. ההודעה לא מפרטת אם עברית נתמכת ולא אם השירות זמין בישראל.
תגובות