«Mi pedido es el 4128… perdón, el 4182». Una transcripción casi perfecta puede indicar el pedido equivocado. La calidad depende de la respuesta y de qué registro se consulta.
Qué reúne Voxtral 3
El 20 de octubre, Mistral presentó Voxtral 3, modelos de transcripción y síntesis de voz con un kit para agentes de voz. El agente recibe el audio por fragmentos, puede consultar una herramienta y contesta en voz alta. La diarización identifica quién habla en cada momento. Mistral presenta opciones de alojamiento que incluyen su API en Europa y la infraestructura propia. Comprueba cuáles se aplican a tus componentes.
Qué comprobar en tu aplicación
Prepara llamadas ficticias con correcciones orales, voces superpuestas, ruido y cambios de idioma. Usa un servicio de pedidos simulado de solo lectura y confirma el número antes de consultar. Anota por idioma las referencias correctas, las correcciones mal entendidas y el tiempo desde el fin de la frase hasta el primer sonido de respuesta. Prueba también la derivación a una persona si hay ambigüedad.
Mide el recorrido completo. La transcripción publicada por Mistral orienta la elección del modelo. La latencia y los errores también dependen de la conexión, de la síntesis y de las respuestas de la herramienta.