Sesli yapay zekâ pazarında dengeler değişiyor. Fransız teknoloji şirketi Mistral AI, geçen Salı günü tanıttığı açık kaynak ses modeli ailesi Voxtral ile sektöre güçlü bir giriş yaptı. OpenAI’ın Whisper’ı, Meta’nın SeamlessM4T’si ve Google’ın sesli modelleri gibi devlerin hüküm sürdüğü bu alanda, Mistral’ın Voxtral modelleri açık kaynak yapısıyla dikkat çekiyor.
İki ayrı model, farklı senaryolara çözüm
Voxtral serisi, Voxtral Small (24 milyar parametre) ve Voxtral Mini (3 milyar parametre) olmak üzere iki ana modelden oluşuyor.
-
Small, bulut tabanlı, büyük ölçekli ve karmaşık kullanım senaryoları için optimize edilirken,
-
Mini, gömülü sistemler ve düşük kaynaklı uygulamalar için tasarlandı.
Bunlara ek olarak yalnızca ses transkripsiyonu için optimize edilmiş Voxtral Mini Transcribe modeli de tanıtıldı. Bu model, Whisper gibi çözümlere kıyasla daha düşük maliyetle yüksek performans sunmayı hedefliyor.
Ses tanımanın ötesinde: Semantik anlama ve eylem tetikleme
Voxtral modelleri sadece konuşma tanımakla kalmıyor, aynı zamanda bu veriyi anlamlandırabiliyor. 32.000 token’lık bağlam penceresi, modellerin 30 dakikalık bir sesi yazıya dökmesine ya da 40 dakikalık bir kaydı anlamlandırmasına olanak tanıyor.
Voxtral, Mistral’ın kendi dil modeli mimarisi olan Mistral Small 3.1 üzerine kurulu. Bu yapı sayesinde model;
-
sesli komutlara yanıt verebiliyor,
-
uzun ses kayıtlarından özet çıkarabiliyor,
-
hatta bir konuşmayı doğrudan bir API çağrısına ya da otomatik bir iş akışına dönüştürebiliyor.
Model, İngilizce, Fransızca, Arapça, İspanyolca, Almanca, Hollandaca ve Hintçe dahil olmak üzere birçok yaygın dili destekliyor.
Performans ve Erişim: Güçlü, Ekonomik ve Açık
Mistral’ın yayınladığı ilk değerlendirmelere göre Voxtral Small, OpenAI’ın Whisper v3 modeli ve Gemini 2.5 Flash dahil olmak üzere birçok rakibini çeşitli metriklerde geride bırakıyor. Üstelik bu başarı, daha az kaynak tüketimiyle sağlanıyor.
Modeller Apache 2.0 lisansı altında açık kaynak olarak yayınlandı ve Hugging Face üzerinden indirilebiliyor. API üzerinden kullanım ise dakikası 0,001 $’dan başlıyor – bu da rakip modellere göre ciddi bir fiyat avantajı anlamına geliyor.
Voxtral ayrıca yakında Mistral’ın kendi sohbet asistanı Le Chat’e entegre edilecek.
Sesli Yapay Zekâda Rekabet Kızışıyor
Mistral AI’nın Voxtral hamlesi, müşteri hizmetleri, belge otomasyonu, çağrı analizi ve sesli asistan gibi alanlarda hızla artan taleplerin ortasında geldi. Şirket, gelecek aylarda ses segmentasyonu, konuşmacı tanıma ve duygu analizi gibi yeni yetenekleri de modellerine eklemeyi planlıyor.
Böylece Mistral, yalnızca transkripsiyon yapan modellerin ötesine geçerek “sesten anlama ve aksiyona geçme” yeteneği sunan, açık erişimli nadir oyunculardan biri haline geliyor.
