Mistral kutter svartiden på AI-telefoni til under sekundet

Franske Mistral AI har lansert Voxtral 3, en modellserie som kombinerer transkripsjon, talesyntese og et utviklersett for stemmeagenter. Løsningen kobler sammen tre ledd i én ubrutt strøm: Den lytter og oppdager når innringeren tier, lar en språkmodell hente opplysninger, og svarer med syntetisk tale. Hele runden fullføres på under ett sekund, og agenten stopper automatisk å snakke dersom brukeren bryter inn. For norske virksomheter med strenge krav til datahåndtering tilbyr Mistral europeisk lagring og støtte for vanlige telefonsamtaler over protokollen SIP. Flaggskipmodellen Voxtral Small Transcribe 3 oppnår en feilrate på 2,1 prosent på uavhengige målinger, mot eldre referanser som Whispers 16 prosent på FLEURS-testen. Modellen utmerker seg også på diarisering — altså evnen til å skille ulike stemmer fra hverandre — hvor den slår spesialiserte verktøy som Pyannote. Svakheten viser seg i direkte strømming med minimal forsinkelse. Ved en forsinkelse på 240 millisekunder stiger feilraten til 7,4 prosent, hvor Googles Gemini 3.5 Realtime leverer 4,2 prosent. Prisen for ren transkripsjon starter på 0,0035 dollar per minutt, mens en komplett samtaleagent koster 0,04 dollar per minutt med modellen Mistral Small 4.