概览
Mistral 新一代语音模型家族 + 语音智能体 SDK：转写支持 50+ 语言并带说话人分离和关键词偏置，TTS 能按语境调整情绪与语速；转写最低 $0.0035/分钟，TTS $13/百万字符。 Voxtral 3 是 Mistral AI 于 2026 年 10 月 20 日发布的语音模型家族，包括转写模型 Voxtral Small Transcribe 3、Voxtral Mini Transcribe 3（4B）、实时转写 Voxtral Mini Transcribe Realtime 3，以及 TTS 模型 Voxtral Speech 3（API 名 voxtral-mini-tts-3-0），同时推出基于 LiveKit 的语音智能体 SDK。转写支持 50 多种语言（含 24 种欧盟官方语言和多种亚洲、印度语言），能区分说话人、用关键词提升专有名词识别率；官方称 Small 版在多语言转写和说话人分离上超过 Whisper、Scribe v2 与 Gemini 3.5 Transcribe（官方自测）。TTS 会根据上下文自动调整情绪、语速和重音，可用约 30 分钟音频做专业声音克隆；官方中文示例含北京话与四川话口音。价格：Small 转写 $0.004/分钟、Mini 转写 $0.0035/分钟、实时转写 $0.008/分钟、TTS $13/百万字符，语音智能体 API 搭配 Mistral Small 4 为 $0.04/分钟、搭配其他推理模型 $0.08/分钟。目前为 Public Preview，通过 Mistral API 提供，未发布开放权重。来源：https://mistral.ai/news/voxtral-3/ 、https://docs.mistral.ai/models/voxtral-small-transcribe-3-0 、https://docs.mistral.ai/models/voxtral-mini-tts-3-0 （2026-10-21 核对），未补未核实字段。
- 模态
- 音频
能力
- Voxtral Small Transcribe 3（voxtral-small-transcribe-3-0）：旗舰转写 + 说话人分离，50+ 语言，支持关键词/上下文偏置、翻译、语音问答、摘要与函数调用；$0.004/分钟
- Voxtral Mini Transcribe 3（voxtral-mini-transcribe-3-0）：4B 参数的高性价比转写模型，同样支持说话人分离和上下文偏置；批量 $0.0035/分钟
- Voxtral Mini Transcribe Realtime 3（voxtral-mini-transcribe-realtime-3-0）：面向智能体的实时转写，延迟可配 80–2,400 ms，内置端点（说完话）检测，WebSocket 单会话；$0.008/分钟
- Voxtral Speech 3 / Voxtral Mini TTS 3（voxtral-mini-tts-3-0）：按对话语境自动调整情绪、语速与重音，支持情绪 / 语速标签与发音提示，零样本声音克隆和用约 30 分钟音频做的 Pro Voice 专业克隆；批量与实时同一 API；$13/百万字符。语言数官方博文写 35+ 语言、50+ 方言，模型卡写 9 种语言，以官方最新文档为准
- 语音智能体 SDK：基于 LiveKit，把「听—推理—工具调用—说」做成一条流式管线，官方称每轮 1 秒内完成，用户插话会停下；支持 SIP 电话与 WebRTC；推理模型用 Mistral Small 4 时 $0.04/分钟，用其他推理模型 $0.08/分钟
- 部署：Mistral API（欧洲、美国与全球端点），Studio 里有语音智能体、转写、TTS 和克隆试用；全栈私有化需联系销售
- 状态：Public Preview（2026-10-20）
