Mistral AI បានប្រកាស Voxtral 3 កាលពីថ្ងៃអង្គារ ដែលជាគ្រួសារថ្មីនៃគំរូការនិយាយ និងភ្នាក់ងារសំឡេង SDK ដែលក្រុមហ៊ុន AI បារាំងនិយាយថារួមបញ្ចូលគ្នានូវការស្តាប់ ការវែកញែក ការហៅឧបករណ៍ និងការសំយោគការនិយាយនៅក្នុងបំពង់ស្ទ្រីមតាមពេលវេលាជាក់ស្តែងតែមួយ។ ការចេញផ្សាយដែលបានចេញផ្សាយនៅលើប្លក់ផ្លូវការរបស់ Mistral ផ្តោតលើមជ្ឈមណ្ឌលទំនាក់ទំនង តុសេវាកម្ម ជំនួយការនិម្មិត និងអ្នកបើកយន្តហោះមិនប្រើដៃ ដែលជាផ្នែកនៃទីផ្សារ AI សំឡេង ដែលភាពយឺតយ៉ាវ និងភាពត្រឹមត្រូវបកប្រែដោយផ្ទាល់ថាតើអ្នកហៅទូរសព្ទចូលទូរស័ព្ទឬអត់។

សេចក្តីប្រកាសនេះបានទៅដល់ស្របនឹងការធ្វើបាតុកម្មផ្ទាល់នៅលើគេហទំព័ររបស់ Mistral ដែលបង្ហាញពីភ្នាក់ងារដែលដោះស្រាយសំណើនិយាយជាភាសាបារាំង៖ អ្នកទូរស័ព្ទចូលអានលិខិតណែនាំពីវេជ្ជបណ្ឌិតរបស់នាង ភ្នាក់ងារចម្លងវា ហៅឧបករណ៍កក់ និងបញ្ជាក់ការណាត់ជួប - ប្តូររវាងភាសាពាក់កណ្តាលការសន្ទនា។ For more context on this story, see our ongoing breaking AI news.

អ្វីដែល Mistral ពិតបានដឹកជញ្ជូន

Voxtral 3 មិនមែនជាគំរូតែមួយទេប៉ុន្តែជាជង់មួយ។ ផ្នែកខាងការនិយាយទៅអត្ថបទត្រូវបានដឹកនាំដោយ Voxtral Small Transcribe 3 ដែល Mistral ពិពណ៌នាថាជាទំនើបបំផុតក្នុងការចម្លងពហុភាសា ការបំភាន់អ្នកនិយាយ និងការលំអៀងបរិបទ។ ឥឡូវនេះការគាំទ្រភាសាគ្របដណ្តប់ 50 ភាសា រួមទាំងភាសាផ្លូវការរបស់សហភាពអឺរ៉ុបទាំង 24 និងអ្វីដែលក្រុមហ៊ុនហៅថាភាសាអាស៊ី និងភាសាឥណ្ឌដែលមានធនធានទាបជាច្រើន។

សមត្ថភាពបីទទួលបានការសង្កត់ធ្ងន់ជាពិសេស។ Diarization កំណត់ថាអ្នកណានិយាយអ្វីនៅក្នុងអូឌីយ៉ូពហុ Speaker ។ ការលំអៀងតាមបរិបទអនុញ្ញាតឱ្យអ្នកអភិវឌ្ឍន៍បញ្ចូលពាក្យគន្លឹះ — ឈ្មោះផលិតផល លេខកូដថ្នាំ វាក្យសព្ទបច្ចេកទេស — ដូច្នេះអ្នកចម្លងរំលឹកពាក្យដែលកំណត់ដោយដែនដោយមិនចាំបាច់កែតម្រូវ។ ការរកឃើញចុងបញ្ចប់អនុញ្ញាតឱ្យភ្នាក់ងារដឹងថានៅពេលណាដែលវាគ្មិនបានបញ្ចប់ពិតប្រាកដ ដូច្នេះវាអាចឆ្លើយតបដោយគ្មានការពន្យាពេល ឬរំខាន។

នៅផ្នែកខាងជំនាន់ Voxtral Mini TTS 3 ណែនាំសំឡេងដែលកែតម្រូវអារម្មណ៍ ល្បឿន និងការសង្កត់ធ្ងន់ដោយផ្អែកលើបរិបទសន្ទនា ដោយមានការគាំទ្រច្រើនជាង 35 ភាសា និងគ្រាមភាសាជាង 50 ។ មុខងារសម្របខ្លួន Pro Voice ដាច់ដោយឡែកមួយបង្កើតឡើងវិញនូវលក្ខណៈសំឡេងជាក់លាក់របស់អ្នកនិយាយ និងរចនាប័ទ្មនិយាយឆ្លងភាសានានាពីសំឡេងយោងត្រឹមតែ 30 នាទីប៉ុណ្ណោះ ដែលជាសមត្ថភាពដែលឈានទៅដល់ការក្លូនសំឡេង ហើយទំនងជានឹងទាក់ទាញការពិនិត្យមើលនៅចំពោះមុខការយល់ព្រម។

ការទាមទារ និងតម្លៃគោល

យោងតាមសេចក្តីប្រកាស Voxtral Small Transcribe 3 ដំណើរការជាង OpenAI's Whisper, Amazon's Scribe v2, និង Gemini 3.5 Transcribe on Artificial Analysis' FLEURS-based multilingual transcription and diarization , ជាមួយនឹងអត្រាកំហុសពាក្យដែលបានលើកឡើងក្នុងខ្ទង់ទាបសម្រាប់ការកំណត់ដោយបង្ខំ និងសន្និដ្ឋាន។ ដូចរាល់ដង ស្តង់ដារដែលបានបោះពុម្ពផ្សាយដោយអ្នកលក់សមនឹងទទួលបានការបញ្ជាក់ដោយឯករាជ្យ ប៉ុន្តែការទាមទារនេះដាក់អ្នកចម្លងរបស់ Mistral នៅផ្នែកខាងមុខនៃកញ្ចប់ពហុភាសាដែលមានមនុស្សច្រើន។

តម្លៃគឺឈ្លានពាន។ ឧបករណ៍ចម្លងតូចជាង គំរូប៉ារ៉ាម៉ែត្រ 4 ពាន់លានមានតម្លៃ 0.0035 ដុល្លារក្នុងមួយនាទីនៃអូឌីយ៉ូ ដោយដាក់វាឱ្យបានល្អនៅក្រោមថវិកាចម្លងរបស់សហគ្រាសធម្មតា និងអាចឈានដល់ទំហំការងាររបស់មជ្ឈមណ្ឌលទំនាក់ទំនងដែលមានបរិមាណច្រើន។

SDK ខ្លួនវាគឺជាជាលិកាភ្ជាប់៖ វាលាតត្រដាងនូវបំពង់បង្ហូរប្រេង ដែលការចម្លង គំរូហេតុផល ការហៅឧបករណ៍ចូលទៅក្នុងប្រព័ន្ធអាជីវកម្ម និងការសំយោគការនិយាយដំណើរការជាវគ្គផ្សាយតែមួយ។ នៅក្នុងការបង្ហាញរបស់ Mistral ភ្នាក់ងារទាញយកប្រព័ន្ធកក់ទុក ដំណើរការការហៅឧបករណ៍ដើម្បីកក់រន្ធដោត និងនិយាយការបញ្ជាក់ — ទាំងអស់ក្នុងអំឡុងពេលសន្ទនាផ្ទាល់។

អធិបតេយ្យភាពគឺជាកន្លែងលក់

Mistral កំពុងពឹងផ្អែកលើការគ្រប់គ្រងលើការដាក់ពង្រាយ។ Voxtral 3 អាចរកបាននៅថ្ងៃនេះតាមរយៈ API ដែលរៀបចំដោយ EU របស់ Mistral ឬសម្រាប់ការដាក់ឱ្យប្រើប្រាស់ដោយខ្លួនឯងលើហេដ្ឋារចនាសម្ព័ន្ធអតិថិជន ដោយអនុញ្ញាតឱ្យស្ថាប័នសម្រេចថាតើសំឡេងត្រូវបានដំណើរការ របៀបណាដែលទិន្នន័យត្រូវបានគ្រប់គ្រង និងថាតើការសន្ទនាត្រូវបានរក្សាទុកទាំងស្រុងឬអត់។

ស៊ុម​នោះ​មិន​មែន​ជា​គ្រោះ​ថ្នាក់​ទេ។ មន្ទីរពេទ្យ ធនាគារ និងទីភ្នាក់ងារសាធារណៈនៅអឺរ៉ុបប្រឈមមុខនឹងច្បាប់តឹងរ៉ឹងលើទិន្នន័យសំឡេង ហើយ APIs សំឡេងដែលបង្ហោះដោយអ្នកធំរបស់សហរដ្ឋអាមេរិកបានប្រឈមមុខនឹងការតស៊ូក្នុងដំណើរការលទ្ធកម្មដែលតម្រូវឱ្យមានការស្នាក់នៅទិន្នន័យ។ Mistral ដែលបានបង្កើតម៉ាករបស់ខ្លួនជុំវិញ "sovereign AI" កំពុងដាក់ Voxtral 3 ជាសំឡេងដែលឆ្លងកាត់ការត្រួតពិនិត្យផ្នែកច្បាប់របស់អឺរ៉ុប។

ហេតុអ្វីបានជាភ្នាក់ងារសំឡេងនៅតែរឹង

នៅក្នុងសេចក្តីប្រកាសរបស់ខ្លួន Mistral កំណត់បញ្ហាយ៉ាងច្បាស់លាស់៖ ភ្នាក់ងារសំឡេងដែលអាចទុកចិត្តបានត្រូវធ្វើរឿងលំបាកចំនួនបួនក្នុងពេលដំណាលគ្នា។ វាត្រូវតែស្តាប់យ៉ាងត្រឹមត្រូវតាមភាសា ការសង្កត់សំឡេង អ្នកនិយាយ និងការរំខាន។ ហេតុផលយ៉ាងស៊ីជម្រៅអំពីអ្វីដែលអ្នកប្រើមានន័យនៅក្នុងបរិបទជាក់លាក់មួយ; និយាយដោយធម្មជាតិជាមួយនឹងអារម្មណ៍និងការបញ្ចេញមតិ; និងធ្វើសកម្មភាពឆ្លងកាត់ជំហានជាច្រើននៅក្នុងប្រព័ន្ធដែលបានតភ្ជាប់។ នីមួយៗត្រូវបានដោះស្រាយដោយឯកោដោយផលិតផលមួយចំនួន ឬផ្សេងទៀត។ ការឱ្យ​អ្នក​ទាំង​បួន​ធ្វើ​ការ​ជាមួយ​គ្នា​តាម​ពេលវេលា​ជាក់ស្តែង​តាម​ទូរសព្ទ​ផ្ទាល់​គឺ​ជា​រឿង​កម្រ​ណាស់។

របៀបបរាជ័យគឺស៊ាំជាមួយនរណាម្នាក់ដែលបានហៅបន្ទាត់ស្វ័យប្រវត្តិ៖ ភ្នាក់ងារនិយាយលើអ្នកហៅទូរសព្ទ ព្រោះវាវិនិច្ឆ័យខុសថាតើការកាត់ទោសបានបញ្ចប់ ឬវាចម្លងឈ្មោះឱសថត្រឹមត្រូវ ប៉ុន្តែមិនអាចធ្វើសកម្មភាពលើវាបានទេ ដោយសារវាខ្វះការតភ្ជាប់ទៅប្រព័ន្ធកំណត់ពេល។ តាមរយៈការវេចខ្ចប់ការរកឃើញចុងវេន ភាពលំអៀងបរិបទ និងការហៅឧបករណ៍ជាផ្នែកទីមួយនៃ SDK ជាជាងផលិតផលដាច់ដោយឡែកដើម្បីភ្ជាប់ជាមួយគ្នា Mistral កំពុងភ្នាល់ថាភាពសាមញ្ញនៃការរួមបញ្ចូល - មិនមែនគុណភាពគំរូឆៅតែម្នាក់ឯង - គឺជាអ្វីដែលបំប្លែងសំឡេងអ្នកបើកយន្តហោះ AI ទៅជាការដាក់ពង្រាយ។

ទីផ្សាដែលមានចលនាលឿន

ឧបករណ៍ឌិកូដកំណត់លក្ខណៈនៃការបើកដំណើរការនេះថាជា "ជង់ភ្នាក់ងារសំឡេងពេញលេញដែលស្តាប់ គិត និងនិយាយក្នុងពេលវេលាជាក់ស្តែង" ហើយការចេញផ្សាយនេះបានទាក់ទាញចំណាប់អារម្មណ៍ភ្លាមៗទៅលើព័ត៌មាន Hacker ដែលជាកន្លែងដែលវាប្រមូលបានច្រើនជាង 380 ពិន្ទុក្នុងរយៈពេលប៉ុន្មានម៉ោង។ Voice AI បានក្លាយជាស្រទាប់មួយក្នុងចំណោមស្រទាប់ដែលប្រកួតប្រជែងបំផុតនៃ AI stack ជាមួយនឹងរាល់ការបញ្ជូនគំរូការនិយាយទៅការនិយាយរបស់មន្ទីរពិសោធន៍សំខាន់ៗ និងរលកនៃការបង្កើតក្របខ័ណ្ឌភ្នាក់ងារដែលចាប់ផ្តើមអាជីវកម្មនៅលើកំពូល។

អ្វីដែលសម្គាល់ Voxtral 3 យ៉ាងហោចណាស់នៅលើក្រដាសគឺការរួមបញ្ចូលគ្នានៃជម្រើសនៃការប្រើប្រាស់បើកចំហ ការកំណត់តម្លៃក្នុងមួយនាទីនៅកម្រិតទំនិញ និងការហៅឧបករណ៍ដើមនៅក្នុងរង្វង់សំឡេងជាជាងបិទនៅពេលក្រោយ។ ថាតើសូចនាករគោលនាំអោយមានសំលេងរំខានផលិតកម្ម — ការនិយាយដោយសង្កត់សំឡេង សំឡេងតាមទូរស័ព្ទ អូប៉ាល័រត្រួតគ្នា — នឹងសម្រេចថាតើអ្នកទិញមជ្ឈមណ្ឌលទំនាក់ទំនងពិតជាប្តូរឬអត់។

សម្រាប់ Mistral ការដាក់ឱ្យដំណើរការនេះក៏បង្ហាញពីភាពមមាញឹកផងដែរ ដែលបានមើលឃើញថាក្រុមហ៊ុនបានចេញផ្សាយគំរូការព្យាករណ៍ស៊េរីពេលវេលារបស់ Timestral ធ្វើឱ្យកាន់តែស៊ីជម្រៅនូវភាពជាដៃគូជាមួយ CERN លើ AI សម្រាប់រូបវិទ្យា និងបន្តការវាយតម្លៃដែលត្រូវបានគេរាយការណ៍ថាមានតម្លៃរាប់សិបពាន់លានអឺរ៉ូ។ ជង់សំឡេងដែលអាចជឿទុកចិត្តបានផ្តល់ឱ្យក្រុមហ៊ុននូវចម្លើយសម្រាប់អ្នកទិញសហគ្រាសដែលចង់បានជង់ពេញលេញ - អត្ថបទ កូដ និងឥឡូវនេះការនិយាយ - ដោយមិនកំណត់អ្វីគ្រប់យ៉ាងតាមរយៈអ្នកផ្តល់សេវារបស់សហរដ្ឋអាមេរិក។

_ អត្ថបទនេះគឺផ្អែកលើការប្រកាសជាផ្លូវការរបស់ Voxtral 3 របស់ Mistral AI និងការពិភាក្សាសហគមន៍នៅលើ Hacker News._

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →