Французский стартап Mistral AI, который долгое время был для многих пользователей «бесплатными воротами» в мир искусственного интеллекта (основной функционал предоставлялся в свободном доступе), представил Voxtral — новое семейство голосовых моделей с открытым исходным кодом. Это прямой вызов гигантам: OpenAI Whisper и Google Gemini. Заявка амбициозная — превзойти конкурентов по качеству при вдвое меньшей цене.
Это голосовой помощник, который не просто записывает ваши слова, а понимает их смысл. Voxtral — это как переводчик компьютеру вашу речь на понятный ему язык. Например, он может:
Записать 30-минутную встречу и сразу ответить на вопрос «О чём договорились?»
Понимает команды типа «Проверь заказ и отправь письмо» и выполняет их
Работает с 8 языками без предварительной настройки (английский, испанский, французский, португальский, хинди, немецкий, голландский и итальянский). Да, русского пока нет. Но это вопрос времени.
Делает выводы из разговоров, как профессиональный советник
Если Whisper от OpenAI — это просто «магнитофон», то Voxtral — «магнитофон с мозгами».
Mistral выпустил две версии:
- Voxtral Small (24 млрд параметров) — для серьёзного бизнеса
- Voxtral Mini (3 млрд параметров) — для телефонов и локальных задач
Чем больше параметров, тем умнее модель.
По тестам Mistral, Voxtral превосходит: OpenAI Whisper — в точности транскрипции, Google Gemini 2.5 Flash — в понимании смысла, стоит в 2 раза дешевле ElevenLabs Scribe. Особенно хорошо показывает себя на европейских языках — французском, итальянском, испанском. Видимо, корни дают о себе знать.
До сих пор разработчики выбирали между двумя плохими вариантами: бесплатные, но «глупые» системы распознавания речи, и умные, но дорогие закрытые API от гигантов. Voxtral обещает показать третий путь — «умный и доступный». Open source лицензия Apache 2.0 означает: берите, используйте, меняйте как хотите, используйте в своих, даже коммерческих, целях.
