Voxtral 3 和语音模型 Wave 正在悄然成为现实
Mistral 的 Voxtral 3 添加了 35 种语言和实时语音代理工具,我认为语音波终于过了演示阶段。我们在文本模型上花费了多年的时间。语音是下一个实际收益所在。
有用的部分不是“与模型交谈”。它是用真实语言处理真实电话的模型,无需人工等待。这是一个工作流程,而不是一个玩具。
每一种语音工具都面临着同样的风险:一种听起来像人但又不是人的声音,在对方不知情的情况下使用。该技术再次领先于标签规则。
我看好语音基础设施,看跌未标记的合成声音。两者都可以同时成立,第二个是第一个需要护栏的原因。
