Najava je stigla u utorak, 20. listopada 2026., s računa Guillaumea Lamplea, suosnivača i znanstvenog direktora tvrtke. Lample model naziva stanjem umjetnosti u struci i najavljuje da pariški startup sada poduzećima nudi alat kojim umjetna inteligencija može odgovarati na telefonske pozive. Ako klijent to želi, sve ostaje na njegovim serverima, pa snimke razgovora ne napuštaju njegovu infrastrukturu.
To je ključna razlika prema velikim američkim pružateljima govornih usluga. Podaci o pozivima, glasovima i klijentima ostaju pod kontrolom naručitelja, a ne putuju u tuđi oblak. Za banke, osiguravajuća društva, bolnice i javne službe to nije tehnički detalj nego uvjet bez kojeg posla nema.
Četiri dijela za glasovnog agenta
Ponuda se sastoji od četiri komponente. Transkripciju nose modeli Voxtral Small Transcribe 3 i Voxtral Mini Transcribe 3, koji obrađuju audio zapise naknadno, znaju razlučiti tko je što rekao i mogu se služiti popisom stručnih pojmova koji dostavi klijent. Mini verzija stoji 0,0035 dolara po minuti, otprilike 19 eurocenti bez PDV-a za sat snimke.
Za razgovor u stvarnom vremenu tu je Voxtral Mini Transcribe Realtime 3, koji prenosi govor u tekst za manje od pola sekunde u više od 35 jezika i prepoznaje trenutak kad je sugovornik završio rečenicu, kako mu agent ne bi upadao u riječ. Sinteza govora ide preko modela Voxtral Mini TTS 3, koji prilagođava emociju, tempo i naglasak tijeku razgovora. Cijena je 13 dolara, oko 11,60 eura bez PDV-a, za milijun znakova, što je nekoliko stotina stranica teksta.
Opcija Pro Voice vjernije klonira glas, ali traži 30 minuta snimke. Googleov Gemini 3.8 Flash TTS, za usporedbu, glas klonira u 30 sekundi. Razvojni komplet za glasovnog agenta sve to spaja preko LiveKita, open source rješenja za audio komunikaciju u realnom vremenu. Između slušanja i odgovora jezični model poput Mistral Smalla razmišlja i pokreće radnje u drugim programima, primjerice provjeru računa ili rezervaciju termina.
U demonstraciji agent čita liječničko pismo na francuskom i zakazuje termin kod dermatologa za pacijenticu koja govori engleski. Prema Lampleu, Voxtral 3 pokreće i novi API za glasovne agente.
Više jezika nego što se čini
Brojka od više od 50 jezika odnosi se na transkripciju, uključujući sva 24 službena jezika Europske unije te niz azijskih i indijskih jezika za koje postoji malo podataka za treniranje. Glas pokriva više od 35 jezika, a gotovi glasovi postoje u samo 18. Za međunarodnu korisničku službu to znači da agent može razumjeti jezik na kojem ne može odgovoriti.
Konkurencija je daleko ispred po tom pitanju. ElevenLabs za model Eleven v4, predstavljen 28. rujna, tvrdi više od 90 jezika. OpenAI je čekao Live 1.1 da bi ChatGPT govorio francuski bez američkog naglaska. Mistral, dakle, ne pobjeđuje na broju jezika nego na tome gdje se obrada odvija.
Na transkripciji Mistral objavljuje stope pogreške mjerene na FLEURS, javnom testnom skupu, za 45 jezika. Voxtral Small Transcribe 3 pogriješi na otprilike četiri riječi od sto, izjednačen s Microsoft AI Transcribe 2 i daleko ispred Whispera large-v3 tvrtke OpenAI, koji ima 16 posto pogreške. Microsoft, uz to, radi na sustavu koji prepoznaje riječi prije nego što je rečenica završena.
Kod glasa su usporedbe slabija strana priče. Riječ je o internim procjenama koje je ocjenjivao Gemini 3.8 Flash, Googleov model korišten kao sudac, a višejezični test obuhvaća samo 11 jezika. Kod modela Large 4 trebalo je čekati neovisne benchmarke da bi se kućne brojke mogle provjeriti. Isti standard treba primijeniti i ovdje.
Suverenost kao poslovni model
Instalacija na vlastitim serverima ostaje glavni adut Mistrala, ali ni tu nije sam. OVHcloud, francuski cloud div, želi mu oteti taj argument. Njegov osnivač Octave Klaba najavljuje vlastiti open source model i usput kritizira Mistral.
Voxtral 3 dostupan je od utorka preko Mistralovog API-ja, na europskim, američkim ili globalnim serverima. Glasovni agenti, transkripcija i kloniranje glasa mogu se isprobati u Playgroundu Mistral Studija.
Ono što iz najave ne proizlazi jest tko će odgovarati kad glasovni agent pogriješi u razgovoru s klijentom. Ako umjetna inteligencija zakazuje termin, provjerava račun ili daje informaciju o lijeku, odgovornost mora ostati na čovjeku i tvrtki koja je sustav pustila u rad, a ne na modelu i njegovu proizvođaču. Mistral prodaje alat, ne jamstvo.
0 komentara
Još nema komentara. Budite prvi.