法国AI初创Mistral发布首个开源语音模型Voxtral
法国人工智能初创公司Mistral发布了其首个开源语音模型Voxtral。该模型具备理解语音数据和通过语音指令执行操作的能力，并设计为可集成于云端及终端设备。Voxtral是Mistral面向生产环境推出的首款基于语音的人工智能解决方案。
双版本适配多语言场景
Mistral以两个不同版本推出Voxtral：拥有240亿参数的Voxtral Small在准确性和语义任务中表现强劲；而30亿参数的Voxtral Mini则针对成本和资源受限的系统进行了优化。两款模型均支持多语言，尤其在英语、法语、德语、意大利语、西班牙语、葡萄牙语、荷兰语和印地语中表现出色。
支持长语音分析与函数调用
Voxtral不仅能将语音转录为文字，还能执行高级任务，如从语音中提取摘要、问答以及函数调用。借助这些功能，用户可通过语音指令触发API或启动基于语音输入的工作流。据Mistral介绍，该模型能够高精度地转录长达30分钟的对话，并能对长达40分钟的语音内容进行语义分析。
开源发布与成本优势
Mistral通过Hugging Face以开源形式发布了这些模型，并通过API提供使用服务。专为转录设计的轻量级版本Voxtral Mini Transcribe也通过API向开发者开放。与OpenAI的Whisper模型相比，该版本具有更低的单位成本。
多模态战略与后续计划
Voxtral是Mistral多模态模型开发战略的一部分。该公司通过将Voxtral与Mistral Small 3.1语言模型集成，超越了将语音输入转换为文本的范畴。Voxtral也可在公司的聊天机器人Le Chat上进行测试。
Mistral将于8月6日在与Inworld联合举办的活动中，通过现场演示介绍Voxtral的使用场景。