Voxtral 3 上手指南：Mistral 的 AI 电话接线员——模型、价格与五步上线第一个语音 Agent

Voxtral 3 是一个会听、会理解、会说话的 AI——Mistral AI 于 2026 年 10 月 20 日发布（据 Mistral 官方公告，多家媒体一致记录）。打个比方，它就像给 AI 装上了“耳朵”和“嘴巴”：能把语音转成文字，能用 35+ 种语言开口说话，还自带一个开发工具包，把“听到→思考→查资料→回答”的全流程串成一条流水线——小商户从此可以拥有一个真正会接电话的 AI 前台。

跟我有什么关系

Voxtral 3 把“接电话”变成了一个可以自动化的活儿。餐馆可以让 AI 在打烊后接外卖单，理发店可以让 AI 在忙的时候帮客人约时间。过去这要找四个不同供应商（转写、脑子、工具调用、语音）才能拼出来，现在 Mistral 一家打包给齐了。这对你意味着什么：如果你会帮本地商户做网站，现在你还可以卖“一个帮你接电话的 AI”——按分钟几美分的成本，收几百美金月费，中间有 10–20 倍的毛利空间。

四个模型和价格

据 Mistral 官方公告、多家媒体一致记录（厂商数字，未独立验证）：

模型	做什么用	价格
Voxtral Mini Transcribe 3	批量转写——把录好的音频转成文字	$0.0035/分钟
Voxtral Mini Transcribe Realtime 3	实时流式转写，延迟低于 500 毫秒	$0.008/分钟
Voxtral Small Transcribe 3	精度最高的批量转写	$0.0040/分钟
Voxtral Speech 3	文本转语音（TTS）——把文字读出来，35+ 语言/50+ 方言	$13/百万字符

语音 Agent 开发包（SDK，就是现成的代码工具包）在上面这一层：你选一个负责“思考”的推理模型——Mistral Small 4 是 $0.04/分钟，换更大的推理模型是 $0.08/分钟。电话走 SIP 协议（把网络语音接到真实电话号码的标准协议），网页/App 通话走 WebRTC（浏览器里的实时音频技术）。转写覆盖 50+ 种语言。发布当天 API 就可用，有欧盟/美国/全球三个入口。

赚钱玩法：给小商户卖 AI 电话前台

客户是谁： 餐馆、理发店、牙科诊所、维修店——忙起来接不到电话的生意。 卖什么： 一个语音 Agent，漏接电话时替老板接电话、接单或约时间，再把摘要发短信给老板。 收多少钱： 每月 $300–$500 包月，API 成本每家每天只要几美金（一家理发店一天 20 通电话、每通 3 分钟，一天成本约 $3——远低于月费）。 7 天验证： 找一家关系好的本地商户。第 1–3 天按上面步骤搭好 Agent，第 4 天起免费试用 30 天。签下一家试用=验证成功，然后转正收费或复制到下一家。

五步上线一个电话 Agent

想自己搭一个？下面是五步上线一个能接电话的 Agent。

1. 注册并拿到 API 密钥。 打开 console.mistral.ai（La Plateforme），注册账号、绑定付款方式、创建一个 API key。密钥只显示一次，立刻存好。
2. 先试一次转写。 录一段语音，把它发给转写模型，看文字回来没有。这一步先验证密钥能用，再开始搭东西。
3. 选好流水线的零件。 做实时 Agent：实时转写（$0.008/分钟）负责听，推理模型（$0.04/分钟）负责想，Voxtral Speech 3（$13/百万字符）负责说。开发包把它们拼成一条流水线。
4. 写 Agent 的指令。 给它一个角色和它能用的工具，直接抄这个模板改：

   “你是 Sunny 理发店的电话前台。语气热情、说话简短。你可以查看预约日历并确认预约。如果客人问了你办不到的事，记下姓名和电话，承诺一小时内回电。”

5. 接一个电话号码，打电话实测。 开发包通过 SIP 接电话号码。你自己打过去，约一次测试预约，哪里卡壳、哪里啰嗦就改哪里的指令。

坑与限制

• 没有自助免费层。 先用之前必须注册账号并绑定付款方式——测试先准备几美金。
• 跑分数字都是厂商宣称。 Mistral 宣称在 FLEURS 测试集上词错误率 4.1%（WER 就是转写错的词占多少比例）。这些数字未独立验证，承诺客户准确率之前，先用客户的口音和录音质量实测。
• 语音 Agent 也会犯错。 给它留一个退路（记下留言、承诺回电），别让它对不知道的价格和政策随口编。
• 电话有合规红线。 各国、各州对自动外呼的规定不同。只做“接听来电”的接待员 Agent，远比主动外呼安全——别碰外呼。