Voxtral 3 y el modelo de voz Wave se están volviendo realidad silenciosamente

Voxtral 3 de Mistral agregó 35 idiomas y herramientas de agente de voz en tiempo real, y creo que la onda de voz finalmente pasó la fase de demostración. Pasamos años en modelos de texto. La voz es donde residen los próximos beneficios prácticos.

La parte útil no es "hablar con el modelo". Es el modelo que maneja una llamada telefónica real, en un lenguaje real, sin un humano en espera. Ese es un flujo de trabajo, no un juguete.

El riesgo es el mismo que conlleva toda herramienta de habla: una voz que suena como una persona pero no lo es, utilizada sin que la otra parte lo sepa. La tecnología vuelve a estar por delante de las normas de etiquetado.

Soy optimista con respecto a la infraestructura del habla y bajista con respecto a las voces sintéticas sin etiquetar. Ambas pueden ser ciertas a la vez, y la segunda es la razón por la que la primera necesita barandillas.