Голос стал лучше. Теперь узкое место — это поток.

ЧТО ПРОИЗОШЛО

Mistral запустила семейство Voxtral 3 с SDK для voice agent

Идея в том, чтобы объединить распознавание, рассуждение, tool calling и речь в один пайплайн реального времени. По данным источника, акцент сделан на многошаговых диалогах с интеграцией в системы и данные компании.

ЧИСЛО

50+

языков с поддержкой транскрибации

Источник также упоминает 35+ языков в TTS и 50+ диалектов.

РЕАЛЬНАЯ ПРОБЛЕМА В КОМПАНИЯХ

Что я вижу в компаниях, когда они внедряют голос

1. 01Диалог вроде работает, но не получает доступ к нужному каталогу и контексту.
2. 02ИИ говорит хорошо, но не соблюдает коммерческие правила и операционные ограничения.
3. 03Если не измерять конверсию и handoff, голос остаётся просто красивой демо-версией.

Я УЖЕ РЕШАЛ ЭТО

Именно это я внедрил для магазина стройматериалов на юге Бразилии

1. 0113 312 товаров в ERP и 136 разных способов записать единицу измерения.
2. 02245 синонимов balcão были сопоставлены, чтобы переводить сленг в термины каталога.
3. 03В 65 из 65 реальных вопросов клиентов был найден нужный товар.

МОЙ ВЫВОД

Измерять, а не предполагать.

На практике голос не даёт результат только потому, что лучше транскрибирует или звучит естественнее. Важно встроить его в надёжный поток: с правильным инструментом, правильной памятью и бизнес-метрикой. Без этого компания слышит демо. А не операцию.