MistralがVoxtral 3を発表
2026年10月20日、Mistralは音声認識・音声合成モデル群「Voxtral 3」を発表しました。この新しいモデルは、50以上の言語に対応しており、国際的なコミュニケーションをよりスムーズにすることが期待されています。
音声エージェントSDKの公開
同日、MistralはVoxtral 3とともに音声エージェントSDKも公開しました。このSDKは、音声入力、推論、ツール呼び出し、音声出力を単一のリアルタイムストリーミング・パイプラインで処理することができるため、開発者はより効率的に音声エージェントを構築することが可能です。
LiveKit上での構築
Mistralの音声エージェントSDKは、LiveKit上に構築されています。これにより、開発者はリアルタイムでの音声処理を簡単に実装でき、ユーザーに対してよりインタラクティブな体験を提供することができます。
API経由での利用とセルフデプロイ
Voxtral 3はMistral APIを通じて提供されており、開発者はAPI経由での利用と自社インフラへのセルフデプロイの両方に対応しています。これにより、企業は自社のニーズに合わせた柔軟な導入が可能となります。
新たなモデルのラインナップ
また、MistralはVoxtral 3の発表に合わせて、Voxtral Mini Transcribe 3、Voxtral Mini Transcribe 3 Realtime、Voxtral Small Transcribe 3、Voxtral Mini TTS 3といった新しいモデルも同時にリリースしました。これらのモデルは、特定の用途に特化しており、開発者にとって選択肢が広がることになります。
まとめ
MistralのVoxtral 3と音声エージェントSDKの発表は、音声技術の進化を示す重要なステップです。これにより、開発者はより高度な音声エージェントを構築できるようになり、様々な分野での応用が期待されます。今後の展開に注目が集まります。