ميسترال تطلق Voxtral 3: يتحدث الإماراتية ويرد بأقل من ثانية

أبرز النقاط

1. أطلقت ميسترال 4 نماذج صوتية للنسخ والنطق وحزمة برمجية لبناء وكلاء صوتيين يكملون الدورة الكاملة في أقل من ثانية.
2. النسخ يغطي أكثر من 50 لغة بينها العربية، والنطق يضم إعدادين للفصحى واللهجة الإماراتية بأسعار تبدأ من 0.0035 دولار للدقيقة.
3. شركات المنطقة تستطيع تشغيل مركز اتصال عربي آلي عبر الواجهة أو على بنيتها الخاصة، من دون أوزان مفتوحة حتى الآن.

خبر:

أربعة نماذج صوتية جديدة وحزمة لبناء وكلاء صوتيين أطلقتها ميسترال تحت اسم Voxtral 3، ودخلت كلها المعاينة العامة على واجهتها البرمجية بنقاط نهاية أوروبية وأميركية وعالمية. تقول الشركة إن نموذجها الأكبر للنسخ يسجل خطأ كلمات 4.1% على معيار FLEURS في 45 لغة بينها العربية، وإن الوكيل الصوتي الكامل يرد على المتصل في أقل من ثانية ويتوقف عن الكلام إذا قاطعه.

تفصيل:

• النماذج الأربعة: Voxtral Small Transcribe 3 للنسخ بأعلى دقة، وVoxtral Mini Transcribe 3 بـ4 مليارات معامل للنسخ الدفعي، وVoxtral Mini Transcribe Realtime 3 للنسخ الفوري، وVoxtral Mini TTS 3 لتحويل النص إلى كلام. تدعم نماذج النسخ كلها فصل المتحدثين وتحيّز السياق بمصطلحات أو نص حر يزوّده العميل لتحسين التقاط الأسماء والمصطلحات.
• اللغات: يغطي النسخ أكثر من 50 لغة، ويشمل معيار FLEURS الذي تقيس عليه الشركة 45 لغة بينها العربية والصينية والإنجليزية والفرنسية والألمانية والهندية واليابانية والكورية. أما النطق فيغطي أكثر من 35 لغة و50 لهجة، وتضم مكتبة الأصوات إعدادين مسبقين للعربية: الفصحى والإماراتية.
• الدقة مقارنة بالمنافسين: بحسب أرقام ميسترال يسجل Small Transcribe 3 خطأ كلمات 4.1% باللغة المحددة و4.0% بالمستنتجة، وهو المستوى نفسه لنموذج Microsoft AI Transcribe 2، مقابل 4.6% لنموذج Mini، و4.9% لـScribe v2 من إليفن لابز، و6.1% لـGemini 3.5 Transcribe، و16.0% لـWhisper large-v3.
• فصل المتحدثين: على 5 مجموعات بيانات عامة سجل Small 18.4% وMini 18.6% بمقياس cpWER، حيث الأقل أفضل، مقابل 19.0% لـPyannote و20.3% لـMicrosoft AI Transcribe 2 و38.4% لـGemini 3.5 Transcribe. وفي معيار Earnings 22 بلغ استرجاع العبارات المفتاحية 94.6% مع سياق يزوّده العميل مقابل 81.4% من دونه.
• النسخ الفوري: يعمل بكمون دون 500 ملّي ثانية بخيارات 240 و480 و960 و2400 ملّي ثانية، ويكشف نهاية دور المتحدث. على FLEURS في 35 لغة سجل 5.7% عند 2400 ملّي ثانية و7.4% عند 240 ملّي ثانية، فيما سجل Gemini 3.5 Realtime 4.2% وScribe v2 Realtime 8.7% بحسب الشركة.
• الأسعار: 0.0035 دولار للدقيقة لنموذج Mini Transcribe 3 الدفعي، و0.004 دولار لنموذج Small، و0.008 دولار للنسخ الفوري، و13 دولاراً لكل مليون حرف في النطق. أما واجهة الوكلاء الصوتيين فتكلف 0.04 دولار للدقيقة مع نموذج Mistral Small 4 و0.08 دولار للدقيقة مع نموذج استدلال أكبر.
• حزمة الوكلاء: مبنية على LiveKit وتشغّل النسخ ثم الاستدلال واستدعاء الأدوات ثم النطق في خط متدفق واحد، وتدعم المكالمات الهاتفية عبر SIP والمتصفحات والتطبيقات عبر WebRTC، وتتصل بأنظمة الرد الآلي ومراكز الاتصال. كل مرحلة نموذج مستقل، فيمكن تبديل النموذج أو الصوت أو اللغة دون إعادة بناء الوكيل.
• ما يفعله الوكيل: التحقق من هوية المتصل، وفحص فاتورة، وحجز موعد، والبحث على الويب أو في أنظمة الشركة، وقراءة وثيقة بلغة أخرى والتصرف بناءً عليها كما في عرض يترجم خطاب إحالة طبية بالفرنسية. وفي النطق تتوفر 34 وسم انفعال مع تحكم بالإيقاع والتشديد، وخيار Pro Voice يكيّف أسلوب متحدث من نحو 30 دقيقة من الصوت.
• الإتاحة: المعاينة العامة متاحة عبر واجهة ميسترال بنقاط نهاية أوروبية وأميركية وعالمية، مع نشر ذاتي على بنية العميل أو سحابة خاصة عبر فريق المبيعات، وملاعب تجريبية في Studio. وتقول الشركة إن نموذج النطق أوفر كلفة من OpenAI TTS-1 وDeepgram وElevenLabs Flash وGemini Flash من دون أن تنشر أرقام المقارنة.

ماذا بعد؟

انتقال النماذج الأربعة من المعاينة العامة إلى الإتاحة الكاملة، وإعلان شروط النشر الذاتي ورخصته لمن يريد تشغيل الوكيل الصوتي داخل بنيته الخاصة.