Mistral 的 Voxtral 3 把聽語音、推理、呼叫工具與開口回話接成一套語音代理工具組。 這次發布值得客服團隊留意，但每分鐘不到一美分的轉錄價，不是完整接線客服的價格。台灣電商若想做來電查單，我建議先按「只留逐字稿」或「當場處理問題」估預算，別拿最低單價乘上通話量就決定導入。
這批產品於 10 月 20 日推出，開發者可透過 Mistral API 使用；其中 Small Transcribe 3 模型頁目前標為公開預覽。企業若要放在自有機房或私有雲，公告提供的是洽談管道，訂單系統與客服處理規則仍要自己接好。
轉錄與接線，費用分開算
依轉錄文件，處理錄音檔、邊說邊轉文字，以及當場用語音回答，是不同使用方式。官方公告的美元價目也要分開看：
| 你要完成的工作 | 對應服務 | 每分鐘美元 |
|---|---|---|
| 通話結束後轉成文字 | Mini／Small Transcribe 3 | 0.0035／0.004 |
| 邊說話邊得到文字 | Mini Transcribe Realtime 3 | 0.008 |
| 聽取問題並用語音回答 | 代理 API，Small 4 推理 | 0.04 |
假設一個月各處理一千分鐘，依上表直接相乘，錄音轉錄為 3.5 或 4 美元，即時轉錄為 8 美元，Small 4 語音代理則為 40 美元。若代理改用公告列的較大型推理模型，單價為每分鐘 0.08 美元，同樣假設下是 80 美元。這是按公布單價做的試算，不是包含電信、外部工具與系統建置的整包報價。
差別在於轉錄完成後，工作可以就此結束；客服卻還得理解問題、查資料，再把答案念給來電者聽。語音代理文件把流程分成辨識、模型推理與發聲，使用者也能在它說話時插話。多了這些環節，買到的服務就不同，不能只看哪個轉錄模型最便宜。
發聲也有獨立用途。公告介紹的發聲模型可用預設或複製的聲音把文字念出來；Mini TTS 3 為每百萬輸入字元 13 美元，計費單位不是錄音分鐘。已有文字通知、只需播報的團隊，未必需要完整對話代理。
只想取得會後逐字稿與摘要的讀者，可先看會議記錄工具比較。這次的模型與開發工具，仍需要應用程式把工作接起來。
查單工具從網頁搬到電話
Voxtral 3 的代理工具組以 LiveKit 為基礎。對電商來說，重要的是顧客改口重念單號時，系統能不能取得修正後的資料、查到正確訂單，再用語音回答；聲音自然，只解決了其中一段。
工具文件交代了一個會影響部署的差別：用戶端工具的處理程式跑在你的應用裡，儲存代理設定只會保存工具宣告，不會把查單程式也搬過去。電話通話沒有這段應用程式可執行，用戶端工具被叫到時會失敗，必須改用該環境能呼叫的伺服器端工具。
因此，網頁展示能查庫存，不代表掛上電話號碼就能原樣使用。假設原型是由瀏覽器裡的程式查訂單，正式電話服務就要另接可用的後端管道；若查詢失敗，也應把來電交回人工，而非讓模型靠猜測回答出貨日。這是應用設計上的取捨，並非官方已替商家接好的功能。需要比較不同語音架構，可接著看即時語音 AI 路線；偏重客服流程設計的團隊，則可參考 Voiceflow 指南。
台灣還有語言這一關。目前語言文件列出：錄音轉錄支援 50 種語言，即時轉錄為 45 種語言與方言，發聲則為 35 種語言、逾 50 種方言。這些數字各指不同功能；預設聲音表列有中文，卻不能據此推論台灣口音或閩南語已獲相同品質保證。
對已有客服系統的團隊，我會先比較同一批包含中文姓名、地址與中英混語的錄音，再測來電改口後能否查到正確訂單。前者決定聽得懂多少，後者才看得出整套代理能不能接班。語音榜單失真的研究也提醒，公開測試分數與現場可用性是兩件事。本站尚未實測 Voxtral 3 的台灣中文通話，不建議僅憑這次發布就替換現有客服系統。
常見問題
Voxtral 3 每分鐘 0.0035 美元就能做語音客服嗎？
這是 Mini Transcribe 3 的錄音轉錄單價，工作是把錄音變成文字。公告另列語音代理 API，使用 Mistral Small 4 推理時每分鐘 0.04 美元；電信、外部工具與建置成本也不能直接視為已包含。
Voxtral 3 可以直接放在自己的伺服器嗎？
官方提供自有機房與私有雲的部署選項，需先聯絡 Mistral 洽談。這次沒有公開下載後自行安裝的指引，不能沿用舊版 Voxtral 的授權判斷新產品。
Voxtral 3 的中文支援包含台灣口音和閩南語嗎？
目前預設聲音表列有中文，但語言總數不能證明台灣口音、閩南語與混語都達到客服要求。應分別檢查轉錄與發聲，使用實際會接到的姓名、地址和產品名比對；本站尚未完成這類實測。