Voxtral 3 et le Speech-Model Wave deviennent progressivement réalité

Voxtral 3 de Mistral a ajouté 35 langues et des outils d'agent vocal en temps réel, et je pense que la vague vocale a enfin dépassé la phase de démonstration. Nous avons passé des années sur des modèles de texte. La voix est le lieu où se situent les prochains gains pratiques.

La partie utile n'est pas de « parler au modèle ». C'est le modèle qui gère un véritable appel téléphonique, dans une vraie langue, sans humain en attente. C'est un flux de travail, pas un jouet.

Le risque est le même que celui que comporte tout outil de parole : une voix qui ressemble à une personne mais n’en est pas une, utilisée à l’insu de l’autre partie. La technologie est à nouveau en avance sur les règles d’étiquetage.

Je suis optimiste quant à l’infrastructure vocale et baissier quant aux voix synthétiques non étiquetées. Les deux peuvent être vrais à la fois, et la seconde est la raison pour laquelle la première a besoin de garde-corps.