2026.10.20 TUE21:00 JSTMistral AI
Mistral、音声SDK「Voxtral 3」公開
今日試せるAPI提供・自己ホスト可能
話を聞いて道具を使い、感情を込めて声で答える音声AIアシスタントを自社で作れるようになりました。
- 音声認識・ツール実行・合成を1本化しリアルタイム対話が可能に
- 50言語以上対応の文字起こしと感情表現可能な読み上げに対応
- EUホストAPIに加え、自社インフラへの自己ホスト運用も選択可能
目線
文字起こしから外部ツール連携、感情豊かな発話までを自前インフラで完結させたいコールセンターや案内窓口の開発で比較検討できる。
対象
音声対話エージェントや電話自動応答を開発するエンジニア
使える場面
- 多言語対応のコールセンター自動応答やサポート窓口を試作する
- 自社サーバー上にセルフホストして音声データの社外流出を防ぐ
試すなら
EUホストの公式APIまたはセルフホスト環境で認識精度と遅延を検証する
確認点
Mini Transcribeは1分0.0035ドル、TTSは100万文字13ドルの従量課金が発生する
背景
音声認識、推論、外部システム連携、音声合成を個別に組み合わせて低遅延な対話エージェントを構築する開発負荷が課題となっていた。
何が変わったか
- 音声認識・推論・ツール呼び出し・音声合成を1つのストリーミングで統合するSDKを提供
- 50言語以上対応の多言語文字起こしモデル「Voxtral Transcribe 3」を提供
- 文脈に応じた感情や速度の調整が可能な音声合成モデル「Voxtral Mini TTS 3.0」を提供
- MistralのEUホストAPI利用のほか、自社インフラへのセルフホストに対応
使える場面・影響
音声認識と発話を別々のAPIで中継する構成を簡素化でき、自社インフラ配備によりデータ主権を保ちながら音声AIを導入できる。
試す前に確認
- 文字起こし料金: 1分あたり0.0035ドル（Voxtral Mini）
- 音声合成料金: 100万文字あたり13ドル（Voxtral Mini TTS 3.0）
- 対応言語: 文字起こし50言語以上、音声合成35言語以上（日本語含む）
一次ソース
- Mistral AImistral.ai