Voxtral

Voxtral е фамилия от мултимодални модели за директна гласова комуникация в реално време, разработена от европейския лидер в изкуствения интелект Mistral AI.

Ключови характеристики

• Директен speech-to-speech конвейер: Елиминира класическото междинно конвертиране към текст (ASR) и обратно синтезиране (TTS), запазвайки емоционалния заряд и интонацията.
• Ултраниска латентност: Постига време за реакция под 200 милисекунди, доближаващо се до естествения човешки диалог.
• Поддръжка на прекъсвания (Barge-in): Способност да слуша и спира изказването си в момента, в който потребителят започне да говори.