Voxtral 3 và Làn sóng Mô hình Lời nói đang lặng lẽ trở thành hiện thực

Voxtral 3 của Mistral đã bổ sung thêm 35 ngôn ngữ và công cụ tác nhân giọng nói theo thời gian thực và tôi nghĩ làn sóng lời nói cuối cùng đã qua giai đoạn demo. Chúng tôi đã dành nhiều năm cho các mô hình văn bản. Giọng nói là nơi mang lại lợi ích thiết thực tiếp theo.

Phần hữu ích không phải là 'nói chuyện với người mẫu'. Đây là mô hình xử lý một cuộc gọi điện thoại thực, bằng ngôn ngữ thực, không có con người chờ đợi. Đó là một quy trình làm việc, không phải một món đồ chơi.

Rủi ro giống như mọi công cụ phát biểu đều mang theo: một giọng nói giống con người nhưng không phải là giọng nói của một người, được sử dụng mà bên kia không biết. Công nghệ lại đi trước các quy tắc ghi nhãn.

Tôi lạc quan về cơ sở hạ tầng giọng nói và giảm giá đối với giọng nói tổng hợp không được gắn nhãn. Cả hai đều có thể đúng cùng một lúc, và điều thứ hai là lý do khiến điều thứ nhất cần có lan can.