语音智能体一周：Voxtral 与 Eleven 的可调用栈，对照 Dessa 研究预览
Mistral Voxtral 3 与 ElevenLabs Eleven Realtime 把听、说与智能体流水线做成可调用产品/API；Block Dessa 则强调纯语音训练的全双工研究预览，尚无公开 API 与权重。三条线都关“实时说话的智能体”，但通道成熟度不同。
Mistral 推出 Voxtral 3 系列：转写覆盖 50 余种语言，并提供情绪化 TTS 与把听、想、调用工具和说话串成实时流水线的语音智能体 SDK，可经欧盟托管 API 或自行部署。这是面向开发者的栈与价目通道，不等同于单一端到端闭源助手。
ElevenLabs 发布 Eleven Realtime v1 Mini 与 v1 Max，定位为完整的语音到语音智能体模型，支持 90+ 语言与库内大量音色；官方援引 Artificial Analysis 等第三方数字描述正确率与首音延迟。它同样是可集成的产品 API 路线，组件选择被收成“整模”，但仍属商业语音平台发布。
Block 推出 Dessa，自称从零仅用人类对话语音训练、不经文本管线的真 speech-to-speech 全双工模型，并可本地跑在 MacBook Pro M4 Max 或更好硬件；目前为研究预览/候补，官方未公布公开 API、权重或参数量，并优先邀请 AI 安全研究者早期接入。与前两条可调用栈相比，Dessa 仍是预览通道，不宜写成已全面上线的语音产品。
来源
- Voxtral 3 — Mistral AI
- Introducing Eleven Realtime: a simpler way to build natural voice agents — ElevenLabs
- Dessa - the Conversation Model trained only on speech — Block