Odpověď hned: Mistral Voxtral 3 umožňuje postavit hlasového agenta s cenou Voice Agent API od 0,04 USD za minutu při použití modelu Mistral Small 4. Nejde však o konečnou cenu firemní linky: připočítat musíte telefonii, integrace, řízení oprávnění, auditní záznamy, monitoring a předání problémových případů člověku.
Co Mistral Voxtral 3 skutečně přináší
Mistral AI oznámil rodinu Voxtral 3 dne 20. října 2026. Podle zprávy společnosti Mistral AI spojuje nové řešení přepis řeči, jazykový model, volání nástrojů a syntézu mluvené odpovědi do jednoho streamovaného pracovního postupu.
Rozdíl proti obyčejnému přepisu je v tom, co následuje po rozpoznání věty. Agent může například vyhledat stav objednávky, založit servisní požadavek nebo nabídnout volný termín. Hlasový model ale nesmí sám rozhodovat, ke kterým datům má volající přístup a kterou změnu smí provést. Identitu, oprávnění a parametry každé akce musí ověřovat firemní aplikace.
Voxtral Small Transcribe 3 podporuje podle modelové karty Mistralu více než 50 jazyků, rozlišování mluvčích a zvýhodnění zadaných výrazů. V praxi tak lze modelu předat názvy výrobků, obcí, zaměstnanců nebo interních systémů. Modelová karta jej současně označuje jako veřejné preview, což je vhodný stav pro měřený pilot, nikoli samo o sobě důkaz připravenosti na ostrou zákaznickou linku.
Kdy to nezkoušet sám a co uděláme my
Samotné demo nestačí, pokud má hlasový agent:
- sdělovat stav konkrétní objednávky, faktury nebo servisního případu;
- zapisovat termíny, měnit údaje v CRM nebo spouštět další nevratné akce;
- pracovat s nahrávkami, osobními údaji nebo ověřovat totožnost volajícího.
Chyba v těchto situacích neznamená jen nepřesnou odpověď. Agent může zobrazit cizí údaje, zapsat změnu pod nesprávným zákazníkem nebo potvrdit operaci, kterou volající provést nesmí.
Při návrhu automatizace firemních procesů nejprve popíšeme typy hovorů, výjimky a oprávnění. Potom oddělíme konverzaci od serverové autorizace a napojíme potřebné systémy s auditní stopou. Nakonec pilot změříme na skutečné češtině, včetně latence, chyb, zásahů člověka a celkových provozních nákladů.
Kolik stojí samotné API
Mistral AI zveřejnil 20. října 2026 následující sazby:
| Varianta | Zveřejněná cena | Přepočet na 1 000 minut |
|---|---|---|
| Voxtral Mini Transcribe 3, dávkový přepis | 0,0035 USD/min | 3,50 USD |
| Voxtral Mini Transcribe Realtime 3 | 0,008 USD/min | 8 USD |
| Voice Agent API s Mistral Small 4 | 0,04 USD/min | 40 USD |
| Voice Agent API s větším jazykovým modelem | 0,08 USD/min | 80 USD |
| Voxtral Mini TTS 3 | 13 USD za milion znaků | Bez znalosti délky odpovědí nelze převést |
Při prostém násobení minutové sazby stojí 3 000 minut Voice Agent API s Mistral Small 4 celkem 120 USD. Varianta se sazbou 0,08 USD za minutu by při stejném provozu vyšla na 240 USD.
Tento výpočet nezahrnuje:
- telefonní infrastrukturu a případné poplatky za hovory;
- integraci s CRM, ERP, kalendářem nebo helpdeskem;
- backend, který ověřuje identitu a oprávnění;
- ukládání a kontrolu auditních záznamů;
- monitoring, řešení chyb a práci člověka;
- případné náklady na přepis, syntézu nebo další připojené služby mimo minutovou sazbu.
Z dostupných podkladů nelze bezpečně určit všechny podmínky účtování telefonního provozu, například zacházení s tichem nebo způsob zaokrouhlování. Proto nelze cenu celé linky odvodit pouze z částky 0,04 USD za minutu.
Funkční demo není provozní hlasová recepce
Demo prokáže, že agent slyší připravenou větu a vytvoří odpověď. Provozní linka musí navíc bezpečně zvládnout konkrétního volajícího, hluk, přerušování, nejasné požadavky a přístup k firemním datům.
| Funkční demo | Provozní linka |
|---|---|
| Několik připravených vět | Různé hlasy, tempo, hluk a přerušování |
| Obecná čeština | Názvy osob, obcí, výrobků a firemních systémů |
| Testovací odpověď | Aktuální data z CRM, ERP nebo helpdesku |
| Model vybere nástroj | Server ověří identitu, oprávnění a parametry |
| Chyba ukončí ukázku | Chyba vytvoří záznam a předá případ člověku |
Volání nástrojů je samostatná bezpečnostní vrstva. Nestačí agentovi napsat, co „nesmí dělat“, pouze do systémové instrukce. Server musí povolit jen konkrétní operace, omezit jejich parametry a rizikové změny případně podmínit potvrzením člověka. Podrobněji tento návrh rozebírá článek Bezpečnost AI agentů: oprávnění a auditní stopa.
Přepojení na člověka nelze jen slíbit v dialogu
Podle rozboru dokumentace Invide Labs z 21. října 2026 byla telefonní integrace při uvedení určena podnikovým zákazníkům, podporovala příchozí hovory a nenabízela živé přepojení probíhajícího hovoru na člověka.
Fallback proto nemůže být pouhá věta „předám vás kolegovi“. Dokud konkrétní nasazení živé přepojení nepodporuje, musí agent například:
- rozpoznat, že požadavek neumí bezpečně dokončit;
- po ověření uložit kontaktní údaje a stručný důvod hovoru;
- založit úkol pro zpětné zavolání a sdělit volajícímu, co bude následovat.
Dostupnost telefonních funkcí je nutné ověřit před zahájením vývoje. Omezení popsané při uvedení produktu se může lišit podle smlouvy, regionu nebo pozdější verze služby.
Jak Voxtral 3 otestovat na skutečné češtině
Pilot nestavte na několika čistě namluvených větách ze studia. Připravte anonymizovanou testovací sadu odpovídající skutečným hovorům firmy:
- názvy zaměstnanců, zákazníků, obcí a produktových řad;
- čísla objednávek, termíny, částky a e-mailové adresy;
- rychlou řeč, přerušení odpovědi a dva mluvčí přes sebe;
- mobilní spojení, hlasitý odposlech a běžný hluk provozovny;
- nejednoznačný požadavek, u kterého se má agent doptat;
- akci, kterou nesmí provést bez dalšího ověření.
U každého hovoru sledujte nejen přesnost přepisu, ale také správnost vybraného nástroje a jeho parametrů. Chybně rozpoznané číslo objednávky může být závažnější než několik chyb ve volném přepisu porady.
Před testem si stanovte měřitelné hranice: dobu do první užitečné odpovědi, počet chybných akcí, četnost zásahů člověka a cenu celé relace. Bez předem určených podmínek lze téměř každé demo označit za úspěšné.
Nahrávka, přepis a auditní stopa nejsou totéž
Pro každou vrstvu určete, co se ukládá, kdo k tomu smí přistupovat a kdy se záznam odstraní. Nahrávka obsahuje původní hlas, přepis jeho textovou podobu a auditní stopa údaje o akcích systému. Uchovávat vše bez rozlišení jen „pro případ kontroly“ zvyšuje množství citlivých dat i dopad případného úniku.
Auditní záznam má umožnit dohledat alespoň:
- co agent rozpoznal jako požadavek;
- který nástroj chtěl použít;
- s jakými parametry jej zavolal;
- jak proběhlo ověření oprávnění;
- zda operaci dokončil člověk, nebo automat.
Hlas zároveň nelze považovat za spolehlivý důkaz identity. Podvodník může napodobit způsob vyjadřování nebo použít syntetický hlas. Praktická obranná opatření popisuje článek Deepfake hlas ředitele: jak se bránit podvodu.
S čím má malá firma začít
Nejbezpečnější první nasazení je úzké a vratné. Agent může přepisovat porady, odpovídat na provozní dotazy z povolených podkladů nebo po ověření pouze číst stav požadavku. Zápis do CRM, změnu termínu či zpřístupnění zákaznických údajů přidejte až po vyhodnocení pilotu.
Před vývojem telefonní linky ověřte dostupnost potřebného telefonního rozhraní, pravidla účtování a skutečný způsob předání hovoru člověku. Veřejné preview může být pro pilot dostačující, ale nenahrazuje provozní test ani bezpečnostní návrh.
Časté otázky
Umí Voxtral 3 česky?
Mistral uvádí češtinu mezi podporovanými jazyky přepisu. To však neříká, jak přesně model zachytí názvy vašich zaměstnanců, výrobků, obcí nebo číselné údaje v hlučném hovoru. Tyto případy je nutné změřit na vlastní testovací sadě.
Je 0,04 USD za minutu konečná cena linky?
Ne. Jde o zveřejněnou sazbu Voice Agent API s modelem Mistral Small 4. Telefonie, integrace, backend, ukládání záznamů, monitoring a obsluha problémových případů mohou vytvářet další náklady.
Jaký je rozdíl mezi přepisem a hlasovým agentem?
Přepis převádí řeč na text. Hlasový agent navíc vyhodnocuje požadavek, může zavolat povolený nástroj a vytvoří mluvenou odpověď. Oprávnění k práci s firemními daty však musí řídit aplikace mimo samotný model.
Umí Voxtral 3 živě přepojit hovor na člověka?
Podle rozboru dokumentace Invide Labs nebylo živé přepojení při uvedení telefonního preview podporováno. Pro konkrétní nasazení je nutné aktuální dostupnost ověřit; náhradou může být založení požadavku a zpětné zavolání.
Lze Voxtral 3 provozovat na vlastní infrastruktuře?
Mistral uvádí možnost soukromého nasazení řešeného přes svůj obchodní tým. Veřejné podklady použité pro tento článek neupřesňují potřebný hardware, licenční podmínky ani výslednou cenu.