Fransız süni intellekt startapı Mistral ilk açıq mənbəli audio modeli Voxtral-ı təqdim edib. Bu model şirkətlərin səs tanıma və səs əsaslı əməliyyatlar sahəsində mövcud olan bağlanmış korporativ sistemlərə alternativ olaraq istifadə edə biləcəyi açıq mənbəli həll kimi nəzərdə tutulub.
Voxtral biznes istifadəçiləri üçün hazırlanmış ilk açıq model ailəsidir və Mistral onu “həqiqətən istifadə edilə bilən səs intellekti” kimi təqdim edir. Bu o deməkdir ki, inkişaf etdiricilər ya ucuz, lakin səsin düzgün tanınması və başa düşülməsi baxımından məhdud sistemlərdən istifadə etməli, ya da bahalı və bağlanmış platformalara üstünlük verməli olurdular. Voxtral bu problemi aradan qaldıraraq daha sərfəli və çevik həll təklif edir.
Model 30 dəqiqəyə qədər səs yazısını transkribasiya edə bilir, LLM əsaslı Mistral Small 3.1 arxitekturası sayəsində isə 40 dəqiqəyə qədər audio məzmunu anlayaraq istifadəçilərə mətnlə bağlı suallar vermək, məzmunu ümumiləşdirmək və ya səslə verilən əmrləri real vaxt rejimində icra etmək imkanı verir. Voxtral həmçinin İngilis, İspan, Fransız, Portuqal, Hindi, Alman, Holland və İtalyan dillərini dəstəkləyir.
Mistral iki əsas versiya təklif edir: Voxtral Small 24 milyard parametrə malikdir və genişmiqyaslı tətbiqlər üçün nəzərdə tutulub; Voxtral Mini isə 3 milyard parametrə malikdir və lokal və sərhəd qurğular üçün optimallaşdırılıb. Bundan əlavə, Voxtral Mini Transcribe adlı daha ucuz və sürətli API variantı mövcuddur ki, bu da əsasən transkripsiya üçün nəzərdə tutulub və OpenAI Whisper modelindən daha sərfəli qiymətlə daha yaxşı performans vəd edir.
İstifadəçilər Voxtral modelini pulsuz olaraq Hugging Face platformasından yükləyə və ya Mistral-ın chatbotu Le Chat vasitəsilə sınaqdan keçirə bilərlər. API inteqrasiyası isə dəqiqəlik $0.001-dən başlayır.
Voxtral modeli Mistral-ın əvvəlki ay təqdim etdiyi Magistral adlı məntiq əsaslı model ailəsindən sonra gəlir. Mistral Avropanın ən qabaqcıl süni intellekt şirkətlərindən biri kimi açıq mənbəli AI modellərinin inkişafı və təbliği ilə tanınır. Şirkət hazırda investorlarla 1 milyard dollara qədər sərmayə toplamaq barədə danışıqlar aparır.
Bu yenilik süni intellektin açıq mənbə ekosistemində audio sahəsində yeni imkanlar açır və şirkətlərə daha sərfəli, şəffaf və güclü səs əsaslı tətbiqlər qurmaq imkanı yaradır.
