Mistral presenta Voxtral 3, SDK vocale che prenota appuntamenti e parla 50+ lingue

Béatrice detta il numero, l’agente legge la lettera in francese, propone martedì alle 17:45, chiama il tool di booking e chiude con un “confirmed”. Poi ricorda di portare la lettera e la carte Vitale. La sequenza viene da una demo pubblica di Voxtral 3, il nuovo SDK per agenti vocali presentato con esempi di conversazione completa e azione finale eseguita dal sistema¹.

Nella pagina appare una traccia concreta: “Merci de recevoir ce patient pour un avis dermatologique. Traitement en cours : crème à l’hydrocortisone. Dr Martin, Clinique du Parc.” L’agente spiega in inglese il contenuto della lettera, offre il primo slot utile, martedì alle 17:45, e chiede conferma. Esegue quindi la chiamata a uno strumento esterno con il comando book_appointment(slot="Nov 3 17:45"). Il risultato torna “confirmed”. Chiusura pratica: portare la lettera, portare la carte Vitale, invierà i dettagli in inglese¹.

Mistral posiziona Voxtral 3 come un kit per costruire agenti vocali in tempo reale. Il sistema unisce tre funzioni operative: trascrive l’audio, genera voce naturale, integra strumenti per collegare conversazioni e azioni. La promessa riguarda conversazioni multistep in più di 50 lingue, con latenza ridotta per mantenere il ritmo del dialogo¹.

Il punto è il passaggio dalla chat alla pratica. Il sistema ascolta, risponde, poi completa un compito. Nella demo interpreta una lettera in francese, propone un orario libero, usa un tool esterno per prenotare, conferma e fornisce istruzioni di check-in. La tool call è esplicita nel testo, book_appointment con lo slot, e il sistema riporta l’esito “confirmed”¹.

Voxtral 3 si adotta in due modi. È disponibile via API ospitata in Europa. In alternativa, si può effettuare un deployment in proprio. Mistral lega questa opzione alla sovranità dei dati¹.

Gli ambiti d’uso citati sono tre: contact center, assistenti virtuali e copiloti a mani libere. In contesti simili la latenza pesa, perciò la pagina insiste su interazioni a bassa latenza e su una resa “human-like” che non spezza la conversazione¹.

L’esempio pubblico aiuta a valutare i passaggi critici. L’agente gestisce un nome proprio e un contesto medico, mantiene la coerenza tra riepilogo e tool call, offre uno slot preciso e verifica la conferma. Non perde il filo quando l’utente si corregge sul numero. Infine propone l’invio dei dettagli in inglese, utile in uno scenario multilingue¹.

Per gli ambiti indicati, l’indicazione è chiara: collegare la voce a strumenti che eseguono azioni e misurare la qualità sull’esito della procedura, non solo sulla forma della risposta. Questo rende osservabili i punti deboli, dalla gestione delle conferme alla sincronizzazione tra dialogo e tool esterni¹.