待验证50% 置信事实精确时间
Voxtral 3 并非单一模型，而是拆分为 Transcribe（语音转文本）与 Speech（文本转语音）两条能力线。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/21
首次发现
有效期至：2027/1/19
来源
涉及实体
相关事实
待验证Voxtral以30亿参数的文本模型作为主干，通过音频编码器将音频转为连续嵌入直接输入解码器，这与Whisper通过交叉注意力送入解码器的做法不同77% 相似待验证说话人分离技术演进经历三个阶段：i-vector/x-vector声纹嵌入与谱聚类、EEND端到端神经方案、以及引入说话人条件模型的方案71% 相似待验证合成对话语料库包含三类场景：直接调用、上下文跟进、非指向性语音70% 相似待验证Mistral AI 发布了 Voxtral 3，是其语音模型系列的最新迭代。69% 相似待验证Voxtral TTS主打三个核心能力：自然且富有情感表达的语音、多语言支持，以及极低的合成延迟69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1080391API
curl https://kongchang.com/api/v1/knowledge/claims/1080391MCP
get_claim(id=1080391)