Mistral AI于2026年10月21日正式发布全新Voxtral3语音模型系列及语音代理SDK。该产品矩阵涵盖Voxtral Small Transcribe3转录模型、Voxtral Mini TTS3.0语音合成模型以及基于LiveKit的语音代理SDK，支持通过API获取或在私有云与自有基础设施上进行自托管部署，旨在为呼叫中心、服务台、虚拟助手及免提驾驶系统提供高性能的实时流式语音交互能力。
在技术表现方面，Voxtral Small Transcribe3支持50多种语言，具备语音分割、上下文偏置和回合结束检测功能。在FLEURS图表中，其强制错误率和推断错误率为4.1%和4.0%，与Microsoft AI Transcribe2持平，并优于Gemini3.5Transcribe、Scribe v2、GPT Transcribe及Whisper large-v3。
其中40亿参数的Voxtral Mini Transcribe3批量使用费用为每分钟0.0035美元，实时版本费用为每分钟0.008美元，延迟低于500毫秒。同时，Voxtral Mini TTS3.0提供超过35种语言和50多种方言的语音合成，价格为每百万字符13美元，支持语气自适应、提示指令及基于30分钟音频的Pro Voice跨语言语音克隆。
基于LiveKit构建的SDK将转录、推理、工具调用和语音生成整合至同一实时流式管道，使通用模型在处理对话的同时能够自主推理和调用工具，将对话轮次控制在一秒以内，并支持呼叫者插话时自动停止代理。分析认为，Mistral此次发布兼顾了模型性能与企业级部署控制，通过模块化架构与私有化支持，进一步加速了语音AI代理在复杂业务场景中的规模化落地。
