سه نکتهٔ کلیدی
۱. طبق اعلام Mistral در ۲۰ اکتبر ۲۰۲۶، Voxtral 3 شامل چند مدل رونویسی گفتار، یک مدل تولید صدا و یک SDK برای ساخت عامل صوتی است. ۲. قیمت رونویسی دستهای از ۰٫۰۰۳۵ دلار در دقیقه شروع می‌شود و API عامل صوتی با Mistral Small 4 دقیقهای ۰٫۰۴ دلار است. ۳. عرضهٔ فناوری یعنی دستیار آماده نیست. پیش از سپردن تماس مشتری به آن، روی چند مکالمهٔ واقعی خودتان بیازمایید.
اگر تماس‌های بی‌پاسخ برایتان فروش از دست رفته است، Voxtral 3 را باید دید. طبق اعلام رسمی Mistral در ۲۰ اکتبر ۲۰۲۶، این مجموعه گوش‌دادن، فهمیدن، صدا زدن ابزارها و حرف‌زدن را در یک عامل صوتی به هم وصل میکند.
Voxtral 3 دقیقاً چه چیزی است؟
طبق پست رسمی Mistral، مجموعه این بخش‌ها را دارد:
- Voxtral Small Transcribe 3 و Voxtral Mini Transcribe 3: تبدیل گفتار به متن به‌صورت دستهای، با تفکیک گوینده و واژگان دلخواه.
- Voxtral Mini Transcribe Realtime 3: رونویسی زنده برای عامل صوتی، با تأخیر زیر ۵۰۰ میلی‌ثانیه.
- Voxtral Speech 3: تولید صدا از متن، دستهای و زنده.
- SDK عامل صوتی: بر پایهٔ LiveKit؛ از راه SIP برای تماس تلفنی و WebRTC برای مرورگر و اپ کار میکند و طبق Mistral به سامانه‌های تلفنی و مرکز تماس موجود وصل می‌شود.
Mistral می‌گوید هر نوبت گفتگو در کمتر از یک ثانیه کامل می‌شود. این عدد ادعای شرکت است و ما آن را نسنجیده‌ایم.
قیمت Voxtral 3 چقدر است؟
قیمت‌ها طبق جدول Mistral به دلار آمریکاست:
| بخش | قیمت |
|---|---|
| رونویسی دستهای (Mini Transcribe 3) | ۰٫۰۰۳۵ دلار برای هر دقیقه |
| رونویسی دستهای (Small Transcribe 3) | ۰٫۰۰۴ دلار برای هر دقیقه |
| رونویسی زنده (Mini Transcribe Realtime 3) | ۰٫۰۰۸ دلار برای هر دقیقه |
| تولید صدا | ۱۳ دلار برای هر یک میلیون نویسه |
| API عامل صوتی با Mistral Small 4 | ۰٫۰۴ دلار برای هر دقیقه |
| API عامل صوتی با مدل بزرگ‌تر | ۰٫۰۸ دلار برای هر دقیقه |
محاسبهٔ ما از همین جدول: یک تماس پنج‌دقیقه‌ای با عامل صوتی روی Mistral Small 4 حدود ۰٫۲۰ دلار و با مدل بزرگ‌تر حدود ۰٫۴۰ دلار می‌شود. هزینهٔ خط تلفن و سامانهٔ تماس در این عددها نیست.
چرا برای کسب‌وکار شما مهم است؟
تماسی که کسی جواب نمی‌دهد معمولاً مشتری‌ای است که سراغ رقیب می‌رود. دستیار صوتی می‌تواند پرسش‌های تکراری مثل ساعت کار، موجودی و وضعیت سفارش را جواب بدهد و فقط موارد پیچیده را به انسان بدهد. این برداشت ما از کاربرد است، نه وعدهٔ Mistral.
از فردا چه کنید؟
- ده پرسشی را فهرست کنید که مشتری‌ها بیشتر از همه تلفنی می‌پرسند.
- چند مکالمهٔ واقعی (با رضایت مشتری) را ضبط و پیاده کنید و با Studio یا API رونویسی را روی همان‌ها بیازمایید.
- فارسی را جداگانه آزمون کنید. تأییدی برای آن پیدا نکردیم.
- موضوع پول، شکایت و تصمیم‌های حساس را همیشه به انسان بدهید.
آنچه هنوز بررسی نکردهایم
- پشتیبانی و کیفیت فارسی، و دقت رونویسی در تماس تلفنی پرنویز.
- باز بودن وزن‌های مدل و نوع مجوز؛ پست رسمی دربارهٔ آن چیزی نمی‌گوید.
- تأخیر واقعی عامل در تماس تلفنی و هزینهٔ کل با سامانهٔ تلفن.
- مدلهای سبک‌تر دیگر این حوزه، مثل Phonon؛ آن را از منبع رسمی تأیید نکردیم و نمی‌آوریم.
منابع
پرسش‌های پرتکرار
Voxtral 3 چیست؟
طبق اعلام Mistral در ۲۰ اکتبر ۲۰۲۶، Voxtral 3 مجموعهای از مدلهای رونویسی گفتار، یک مدل تولید صدا و یک SDK برای ساخت عامل صوتی است که گوش میدهد، استدلال میکند، ابزار صدا میزند و پاسخ میدهد.
قیمت Voxtral 3 چقدر است؟
طبق جدول قیمت Mistral، رونویسی دستهای Voxtral Mini Transcribe 3 دقیقهای ۰٫۰۰۳۵ دلار است. تولید صدا برای هر یک میلیون نویسه ۱۳ دلار است و API عامل صوتی با Mistral Small 4 دقیقهای ۰٫۰۴ دلار.
آیا Voxtral 3 فارسی را پشتیبانی میکند؟
پشتیبانی از فارسی را تأیید نکردهایم. پست رسمی از «بیش از ۵۰ زبان» برای رونویسی و «بیش از ۳۵ زبان و ۵۰ گویش» برای تولید صدا نام میبرد. پیش از اتکا، روی نمونهٔ فارسی خودتان بیازمایید.
