速報：Mistral、音声の新モデル群「Voxtral 3」を発表 文字起こしは50言語に、電話やWebで話しながら作業するAIエージェントの開発キットも
フランスの Mistral AI が、音声を文字にするモデルと文字を音声にするモデルの新しい一式「Voxtral 3」を発表しました。あわせて、聞く・考える・ツールを呼ぶ・話すを1つのリアルタイムの流れにまとめる音声AIエージェントの開発キット（SDK）も出しています。このキットで作ったエージェントは、電話やWebでの会話の最中に情報を調べ、業務システムとやり取りし、作業を終えられるとしています。
何が変わるか： 文字起こしの Voxtral Transcribe 3 は対応言語が50に広がり、EUの公用語24とアジアやインドの多くの言語を含みます。話者の区別（誰がいつ話したか）にも対応し、重要な用語や自由な文章を渡して専門用語の聞き取りを良くできます。同社が比べた7つのモデルすべてが対応する45言語の評価には、日本語も入っています。リアルタイム版の Voxtral Realtime Transcribe 3 は、35を超える言語で0.5秒未満の遅れで文字起こしができるとしています。読み上げ側は、会話の流れに合わせて感情・話す速さ・強調を変える新しい声を備え、Pro Voice という機能では30分の音声だけで話し手の感情の幅や話し方まで再現できるとしています。
誰に効くか： 電話窓口や会議の文字起こしに音声AIを使いたい企業や開発者。Mistral が EU 内で運用する API を使うほか、自社の環境に置いて使うこともでき、機密の会話を社内にとどめ、音声を残すかどうかも自分で決められます。