French AI Startup Mistral lanserte sine første Open Source Audio AI-modeller, Voxtral, tirsdag, som direkte utfordret dominansen av proprietære systemer fra Google og Openai. Det Paris-baserte selskapet posisjonerer sin nye modellfamilie som et høyytelses, kostnadseffektivt alternativ for utviklere.
Mistral hevder at det leverer topp moderne taleforståelse for mindre prisen til prisen. Voxtral har utgitt under en tillatt Apache 2.0-lisens, og har som mål å demokratisere tilgangen til produksjonsklar taleintelligens med avansert transkripsjon og flerspråklig støtte.
Dette trekket forsterker konkurransen i det raskt voksende markedet for samtale AI. Det styrer en åpen kildekode-tilnærming mot bransjens murede hager. Twith Voxtral, utviklere trenger ikke lenger å velge mellom et billig, men mangelfullt åpent system eller et funksjonelt lukket en.
voxtral er Mistrals open source-svar på proprietær stemme ai
Mistral posisjonerer voxtral som løsningen på et langvarig utviklerdilemma. I årevis måtte teamene velge mellom billige talesystemer med åpen kildekode som ofte hadde høye feilrater og begrenset forståelse, eller kraftige proprietære API-er som fulgte med en høy prislapp og mindre distribusjonskontroll. Voxtral tar sikte på å bygge bro over dette gapet ved å levere det Mistral kaller”virkelig brukbar taleintelligens i produksjon”under en tillatt Apache 2.0-lisens.
Selskapet har gitt ut en familie av modeller som passer til forskjellige behov. Flaggskipet er voxtral liten, en 24 milliarder parametermodell designet for produksjonsskala applikasjoner. For enheter eller lokal bruk er det Voxtral Mini, en mer kompakt parametervariant på 3 milliarder dollar. Til slutt, for kostnadsfølsomme oppgaver med høyt volum, tilbyr Mistral Voxtral Mini Transcribe, en svært optimalisert og nedstrippet versjon fokusert rent på transkripsjon.
Tilgjengeligheten er sentral for Mistrals strategi. Både de små og minimodellene er Tilgjengelig for nedlasting på Hugging Face For lokale og lokale arbeidsmengder. For skybasert integrasjon er modellene tilgjengelige via en enkel API-samtale, med priser som starter på bare $ 0,001 per minutt. Selskapet planlegger også å rulle ut Voxtral i stemmemodus for LE-chat-chatbot.
Voxtrals evner strekker seg langt utover grunnleggende tale-til-tekst, takket være grunnlaget for Mistral Small 3.1-språkmodellen. Denne LLM-ryggraden gir den en dyp semantisk forståelse av lydinnhold. Med et 32.000-token kontekstvindu kan det behandle lydfiler opptil 30 minutter langt for transkripsjon og opptil 40 minutter for å forstå oppgaver, for eksempel å stille komplekse spørsmål om innholdet.
Denne arkitekturen muliggjør en serie avanserte, innebygde funksjoner uten å måtte kjede flere AI-modeller sammen. Voxtral kan utføre native spørsmål og svar og oppsummering, og den støtter funksjonskalling direkte fra stemmekommandoer, og gjør talte intensjoner til handlingsrike systemkommandoer. Den har også automatisk språkdeteksjon, med topp moderne ytelse på mye brukte språk som engelsk, spansk, fransk, tysk og hindi.
I sin kunngjøring understreket Mistral målet om å styrke utviklere og akselerere en stemme-første fremtid. Selskapet uttalte:”Vi slipper Voxtral-modellene for å akselerere denne fremtiden. Disse topp moderne taleforståelsesmodellene er tilgjengelige i to størrelser-en 24B-variant for produksjonsskala-applikasjoner og en 3B-variant for lokal og Edge-distribusjon.” Cauldron for intens konkurranse, der tech-giganter og smidige oppstarter alle kjemper om dominans i fremtiden for stemmeinteraksjon. For å støtte sine påstander, frigjorde Mistral overbevisende benchmark-dataposisjonering av Voxtral som ledende innen både ytelse og kostnadseffektivitet. På Fleurs-referanseindeksen sitter Voxtral Small og Mini Transcribe på den optimale kanten av prisutstyrskurven, og leverer lavere feilrater enn Googles Gemini 2.5 Flash og Openais GPT-4O mini-transkribent for en brøkdel av kostnadene.
Modellene som er spesielt sterke.
. Spansk og fransk. Mens ellevebestandenes skribent legger ut en marginalt lavere feilrate på noen engelske oppgaver på lang form, gjør det det til mer enn det dobbelte av prisen på Voxtral liten, forsterkende Mistrals verdiproposisjon.
Denne lanseringen utfordrer direkte de pågående fremskrittene fra Big Tech. De siste månedene utvidet Openai sin avanserte stemmemodus til nettet, mens Anthropic rullet ut en samtale stemmemodus for sin Claude AI. Amazon gjorde også et betydelig grep i april med sin uttrykksfulle Nova Sonic-modell i sanntid, som allerede er integrert i Alexa+-assistenten. Som Amazons enheter fører Panos Panay, lovet:”Når du bruker Alexa+, vil du føle det.”
Innovasjonen er ikke begrenset til Giants. Markedet formes også av spesialiserte oppstart som utforsker forskjellige nisjer. I mai inngikk Stability AI sammen med ARM for å gi ut en enhet, royalty-fri lydmodell, takle immaterielle eiendommer ved å bruke etisk hentet treningsdata. Administrerende direktør Prem Akkaraju fremhevet fokuset på effektivitet, og sa:”Vi flyttet fra minutter til bare sekunder for å generere lyd helt på ARM-CPU på smarttelefonen.”
I den andre enden av spekteret, og startuper som sesame ai, skyver grensene til realismen, skaper”eerus-sounds-sesounds som pa”Uncanny Valley. Denne filosofiske søken etter emosjonell autentisitet ble fanget av Andreessen Horowitzs Anjney Midha, som bemerket, “Den emosjonelle flatheten til AI-lyden har vært utmattende og unaturlig. Men hvis du fjerner den visuelle skjermen fra AR-glass og i stedet Feocy på en fantastisk lyd-First AI-system, kan du skape en datamaskin som ikke er en teknisk Milesto; Det er et strategisk grep i den eskalerende AI-talentkrigen. Kampen om Top Minds har tvunget selskaper til å enten bygge, kjøpe eller tappe. Metas nylige anskaffelse av Voice AI Startup Playai for en rapportert $ 45 millioner er et godt eksempel på denne trenden.
For Mistral representerer Voxtral et betydelig trinn. Selskapet har allerede kunngjort planer for fremtidige oppdateringer, inkludert høyttalersegmentering, følelsesdeteksjon og tidsnivå på ordnivå. Ved å tilby et kraftig, åpent og rimelig alternativ, er Mistral satser på at det kan hugge ut en betydelig nisje i den første fremtiden.