Mistral vừa giới thiệu Voxtral 3, bộ mô hình nhận dạng giọng nói và tạo giọng nói mới, đi kèm một SDK giúp xây dựng trợ lý giọng nói AI hoàn chỉnh. Đây là bước tiến đáng chú ý của AI trong việc trò chuyện với con người một cách tự nhiên.

Nghe, hiểu, nói và hành động trong một luồng

Một trợ lý giọng nói tốt phải làm được bốn việc cùng lúc: nghe chính xác dù có nhiều giọng và ngôn ngữ khác nhau, hiểu ý người dùng, nói tự nhiên có cảm xúc, và thực hiện nhiều bước công việc qua các hệ thống liên kết. Voxtral 3 gộp cả bốn khả năng vào một quy trình xử lý thời gian thực.

Mô hình Voxtral Small Transcribe 3 hỗ trợ hơn 50 ngôn ngữ, biết phân biệt ai đang nói và có thể dùng các cụm từ khóa để tăng độ chính xác.

Ví dụ gần gũi với đời sống

Trong phần demo, một bệnh nhân nói chuyện với trợ lý bằng tiếng Anh, nhờ đặt lịch khám da liễu theo thư giới thiệu của bác sĩ viết bằng tiếng Pháp. Trợ lý đọc hiểu bức thư, tự đặt lịch hẹn rồi nhắn chi tiết bằng tiếng Anh. Công nghệ này có thể giúp tổng đài chăm sóc khách hàng, người nước ngoài và người lớn tuổi dễ dàng hơn.

Kiểm soát dữ liệu

Voxtral 3 chạy trên API đặt tại châu Âu của Mistral hoặc tự triển khai trên hạ tầng riêng, giúp doanh nghiệp quyết định nơi xử lý âm thanh và có lưu lại cuộc trò chuyện hay không. Xem thêm tin công nghệ mới nhất.