विस्तृत विश्लेषण · लगभग 5 मिनट पढ़ना
Voxtral 3 सुनने, तर्क और कार्रवाई को अलग मॉड्यूलों में जोड़ता है
Mistral के वॉइस मॉडल और LiveKit SDK में भाषा कवरेज, देरी और कीमतें अलग घटकों की हैं।
- स्रोत की तारीख
- यहाँ प्रकाशित
- स्रोत जाँचा गया
Mistral ने 20 अक्टूबर को Voxtral 3 घोषित किया। इसमें ट्रांसक्रिप्शन, आवाज़ बनाने वाले मॉडल और वॉइस एजेंट SDK शामिल हैं। इसका मुख्य दावा अलग चरणों को स्ट्रीमिंग में साथ चलाना है, न कि एक मॉडल से पूरी कॉल करवाना। हमने पूरा लॉन्च पेज पढ़ा है; प्रदर्शन, गुणवत्ता तुलना और देरी के आंकड़े कंपनी के हैं, AISubHub के परीक्षण नहीं।
समाचार सुनें
यह लेख सुनें या समाचार लगातार चलाएँ।
पढ़ने की तैयारी हो रही है…
डिवाइस की आवाज़
वाक् प्रक्रिया आपके ब्राउज़र या डिवाइस में होती है। AISubHub पाठ किसी ऑडियो API को नहीं भेजता। आवाज़ों और लॉक स्क्रीन पर चलने की सुविधा डिवाइस पर निर्भर है।
जारी करने पर छोटा वाक्यांश दोहराया जा सकता है।
मुख्य बातें
- बैच ट्रांसक्रिप्शन 50 से अधिक भाषाओं का दावा करता है; आवाज़ आउटपुट 35 से अधिक भाषाओं और 50 से अधिक बोलियों का। इनका कवरेज एक समान नहीं है।
- Mini बैच की दर $0.0035/मिनट, रियलटाइम की $0.008/मिनट, Small की $0.0040/मिनट और आवाज़ की $13 प्रति दस लाख अक्षर है। पूरे एजेंट की दर अलग है।
एक बातचीत में बदले जा सकने वाले कई चरण
SDK LiveKit पर बना है। रियलटाइम ट्रांसक्रिप्शन सुनता और बोलने का अंत पहचानता है; सामान्य भाषा मॉडल आशय समझकर टूल बुलाता है; सिंथेसिस उत्तर बोलता है। Mistral के अनुसार समानांतर स्ट्रीमिंग से टर्न एक सेकंड से कम में पूरा हो सकता है और उपयोगकर्ता के बीच में बोलने पर एजेंट रुकता है। पूरी तैनाती शर्तें नहीं दी गईं, इसलिए यह हर नेटवर्क या कारोबारी प्रणाली के लिए गारंटी नहीं है।
कंपनी कहती है कि एजेंट दोबारा लिखे बिना तर्क मॉडल, आवाज़ और भाषा बदली जा सकती हैं। SIP फोन कॉल और WebRTC ब्राउज़र व ऐप जोड़ते हैं। ये परिवहन किसी कॉलर को खाता बदलने का अधिकार नहीं देते। पहचान जांच और टूल अनुमति की जिम्मेदारी एप्लिकेशन की रहती है।
सही सुनना और स्वाभाविक बोलना अलग क्षमताएं हैं
ट्रांसक्रिप्शन में किसने कब बोला जानने के लिए डायरीज़ेशन और तकनीकी शब्द देने के लिए कॉन्टेक्स्ट बायसिंग है। Mini बैच में 4B पैरामीटर हैं। उत्पाद का नाम पहले देना पहचान में मदद कर सकता है, लेकिन इससे साबित नहीं होता कि कॉलर ने वह शब्द बोला था। विशिष्ट शब्दावली और शोर वाली कॉल साथ जांचनी चाहिए।
सिंथेसिस संदर्भ के अनुसार भावना, गति, जोर और उच्चारण बदलता है। Pro Voice अनुकूलन लगभग 30 मिनट ऑडियो इस्तेमाल करता है। ये नियंत्रण तथ्य जांच या किसी आवाज़ के उपयोग का अधिकार नहीं देते। ट्रांसक्रिप्शन की 50 से अधिक भाषाओं का मतलब हर भाषा में समान प्रीसेट और बोली नहीं है; पेज अलग से 18 भाषाओं के प्रीसेट बताता है।
लॉन्च की तुलना वास्तव में क्या मापती है
ट्रांसक्रिप्शन चार्ट अलग काम मापते हैं। FLEURS में साझा समर्थित 45 भाषाएं हैं; जहां बताया गया है वहां जापानी, कोरियाई, थाई और चीनी के लिए अक्षर त्रुटि दर तथा बाकी के लिए शब्द त्रुटि दर है। भाषा बताना और मॉडल से पहचानवाना अलग सेटिंग हैं। डायरीज़ेशन बैठक व फोन डेटा पर वक्ता क्रम बदलने वाला संयुक्त त्रुटि माप इस्तेमाल करता है। यह अपॉइंटमेंट बुकिंग की शुद्धता नहीं है।
Voice Code Bench में 300 अंग्रेज़ी प्रॉम्प्ट और हर प्रणाली की दो आवाज़ें हैं। दूसरे परीक्षणों में 300 उच्चारण वाक्य, 11 भाषाओं के 377 प्रॉम्प्ट और भावपूर्ण अंग्रेज़ी के 237 प्रॉम्प्ट हैं। घोषित जज gemini-3.8-flash है। हमारा विश्लेषण है कि चुने नमूने और स्वचालित निर्णय केवल उसी प्रोटोकॉल की तुलना देते हैं; वे मूल भाषियों की सुनवाई या हर क्षेत्र में समान गुणवत्ता का विकल्प नहीं हैं।
सुधारा गया नंबर पूरी प्रणाली की परीक्षा है
डेमो में कॉलर संदर्भ नंबर सुधारता है, एजेंट फ्रेंच पत्र पढ़ता है, समय सुझाता है और पुष्टि के बाद बुक करता है। यह डेमो है, सफलता दर का अध्ययन नहीं। व्यावहारिक बात स्थिति बनाए रखना है: शुरुआती अधूरा ट्रांसक्रिप्ट सुधार आने से पहले अपरिवर्तनीय टूल कार्रवाई न बन जाए।
हमारे शैक्षणिक परीक्षण में बीच में बोलना, नंबर बदलना, बुकिंग अस्वीकार करना और धीमे टूल का अनुकरण शामिल होगा। अपेक्षा सही दोहराव और स्थिति बदलने से पहले स्पष्ट पुष्टि की होगी। यह हमारी जांच सलाह है, लॉन्च की गारंटी नहीं। अच्छी आवाज़ और लेनदेन का आशय सुरक्षित रखना अलग प्रश्न हैं।
पूरी कॉल का बजट और वास्तविक तैनाती सीमा
एजेंट API तालिका में Mistral Small 4 तर्क के साथ $0.04/मिनट और अन्य तर्क मॉडल के साथ $0.08/मिनट है। साथ में अलग ट्रांसक्रिप्शन और अक्षर आधारित आवाज़ दरें हैं; पेज यह स्थापित नहीं करता कि हर एकीकरण में सभी पंक्तियां जोड़नी हैं। बजट से पहले शामिल सेवाएं, टूल लागत और मौन समय का बिल स्पष्ट करें।
घोषणा EU होस्टिंग और अपनी तैनाती पर जोर देती है, लेकिन शुरू करने वाला भाग यूरोपीय, अमेरिकी और वैश्विक एंडपॉइंट भी बताता है। चुना गया एंडपॉइंट मायने रखता है। पूर्ण ऑन-प्रिमाइसेस या निजी क्लाउड स्टैक के लिए कंपनी से संपर्क जरूरी है; मुफ्त वेट या हार्डवेयर बजट का वादा नहीं। डेटा संप्रभुता संरचना और अनुबंध से जांचें, आवाज़ के नाम से नहीं।
यह क्यों अहम है
बहुभाषी सेवा में सुनना, उत्तर देना और अधिकृत कार्रवाई करना साथ जांचें। सही पुष्टि वाले लेनदेन, बीच में बोलने पर व्यवहार और पूरे सत्र की लागत, अकेले ट्रांसक्रिप्शन स्कोर से अधिक उपयोगी हैं।
सीमाएँ और उपलब्धता
हमने ऑडियो सुनकर मूल्यांकन, API कॉल या स्वतंत्र देरी परीक्षण नहीं किया। निजी तैनाती के लिए Mistral से बात करनी होगी। इससे मुफ्त अधिकार, स्वतः डेटा निवास या किसी की आवाज़ की नकल की अनुमति नहीं मिलती।
स्रोत और प्रमाण
स्रोत की तारीख: 20 अक्टू॰ 2026 · स्रोत जाँचा गया: 21 अक्टू॰ 2026
AI की सहायता से लिखे लेखों को दिए गए प्राथमिक स्रोतों से जाँचा जाता है। प्रदाता के दावों का श्रेय स्पष्ट है; सूची में होना समर्थन नहीं है।