Samtal med röst i Vibe
På denna sida
Uppdatering 2 november 2026 — Le Chat är nu Vibe. Sedan den 28 maj 2026 har Le Chat bytt namn till Vibe (fortfarande på chat.mistral.ai): en enda agent för arbete och kod som behåller dina konversationer, inställningar och prenumerationer. Den äldre versionen av Le Chat finns kvar i läget Chat; i läget Work är agenter nu färdigheter (anropas med
@), minnen fungerar som kunskapsbas och djup research är färdigheten Deep Research. Abonnemangen heter nu Mistral Free, Pro, Team och Enterprise. I denna lektion använder vi namnet Vibe; notera att vissa menyer som beskrivs här kan ha bytt namn eller plats.
Prata med AI som med en kollega
Vibes röstläge förvandlar din textbaserade AI-assistent till en samtalspartner du helt enkelt kan prata med. Du behöver inte skriva dina frågor – du talar, Vibe lyssnar, förstår och svarar högt. Drivet av Voxtral Realtime med en fördröjning på under 200 millisekunder känns utbytet flytande och naturligt: det liknar mer ett telefonsamtal än de stelt formulerade röstkommandona från första generationens assistenter.
Aktivera röstläge
Så här startar du ett röstsamtal i Vibe:
- Öppna Vibe på chat.mistral.ai
- Klicka på mikrofonikonen i inmatningsfältet
- Bevilja åtkomst till mikrofonen om webbläsaren frågar (krävs första gången)
- Börja tala – Vibe transkriberar din röst i realtid och formulerar sitt svar
Svaret kommer inom några hundratal millisekunder efter att du slutat tala. Redan vid första försöket märker du att upplevelsen känns som att prata med en mänsklig assistent i telefon.
Extremt låg latens
Det som särskiljer Vibes röstläge är svarshastigheten, och det är medvetet designat så: Voxtral Realtime byggdes specifikt för interaktioner i realtid. Transkriberingen är omedelbar – din röst omvandlas till text medan du talar, tack vare modellens strömmande arkitektur, inte först efter att du avslutat meningen. Svaret följer direkt: fördröjningen mellan slutet av din mening och början på det talade svaret är knappt märkbar. Det finns heller ingen konstgjord avbrott: modellen upptäcker naturligt när du har slutat tala, utan att du behöver trycka på en knapp eller säga ett väckningsord.
Denna flyt förändrar verktygets karaktär. En latens på flera sekunder begränsar en röstassistent till att diktera kommandon; en latens under 200 millisekunder möjliggör verkliga samtal, med följdfrågor och sidospår.
Användningsområden för röstläge
Det första användningsområdet du bör testa är vocal brainstorming. Ibland flödar idéerna lättare när du talar än när du skriver: aktivera röstläge och kör – “Jag har ett webbplatsprojekt för ett bageri, hjälp mig att tänka igenom sidinnehållet” eller “Jag måste förbereda en presentation om marknadstrender, var börjar jag?” Vibe svarar högt, du kastar tillbaka idéer, det omformulerar: dynamiken känns som ett arbetsmöte med en kollega, inte som att fylla i ett formulär.
Röstläge excellerar också i situationer där du har händerna upptagna. Medan du lagar mat kan du be det omvandla 350 grader Fahrenheit till Celsius utan att röra skärmen med mjölbelagda händer. Medan du kör – handsfree förstås – kan du låta det sammanfatta dagens viktigaste punkter. Under träningen kan du ställa den där frågan som gnager utan att avbryta ditt pass.
Språkinlärning är ett tredje lekplats: tala på ett främmande språk och be Vibe att korrigera dig. “Jag kommer att tala spanska, rätta mina grammatikfel” eller “Låt oss öva på en anställningsintervju på engelska” förvandlar assistenten till en tillgänglig samtalspartner när som helst, utan publik.
Underskatta slutligen inte tillgänglighetsaspekten: för personer som har svårt att skriva – synproblem, nedsatt rörlighet, dyslexi – erbjuder röstläge full tillgång till Vibes funktioner utan att skriva ett enda ord.
Skillnad från filtranskribering
Två ljudanvändningsfall samexisterar i Vibe, och det är bäst att inte blanda ihop dem eftersom de bygger på olika modeller. Filtranskribering, som behandlades i föregående lektion, innebär att du laddar upp en befintlig inspelning som Vibe omvandlar till text: det är batchbearbetning, hanterad av Voxtral Mini Transcribe. Röstläge, som är ämnet för denna lektion, är live-interaktion: du talar, Vibe svarar omedelbart, och det är Voxtral Realtime som arbetar. Båda tillhör samma teknikfamilj, men var och en är optimerad för sitt användningsfall – maximal noggrannhet för det första, minimal latens för det andra.
Bästa praxis för röstläge
Tala tydligt och artikulera naturligt utan att forcera: modellen är tränad på naturligt tal, inte robotaktig diktion. Gör tydliga pauser när du avslutar din fråga, eftersom dessa tystnader låter modellen upptäcka slutet på din tur – om du drar ut på det med “ööh…” mellan idéerna kan den svara innan du är klar. Om Vibe inte riktigt förstår, formulera helt enkelt om frågan utan att starta om hela konversationen. Och kom ihåg att du kan växla mellan röstläge och textinmatning inom samma konversation: användbart när du vill klistra in en länk eller ett textblock mitt i samtalet.
Begränsningar i röstläge
Några situationer försämrar upplevelsen, och det är bäst att vara förberedd. I bullriga miljöer – fullsatta kaféer, stressiga kontorslandskap – kan modellen ha svårt att isolera din röst: föredra en lugn plats eller ett headset med mikrofon. Starka accenter eller regionala dialekter kan utgöra utmaningar, även om modellen hanterar de flesta vanliga accenter väl. Vid mycket långa konversationer har, precis som med text, kontexten sina gränser och modellen kan “glömma” början av utbytet. Slutligen kräver röstläge en stabil internetuppkoppling: en långsam anslutning introducerar fördröjningar som bryter precis den flyt som gör verktyget värdefullt.
Viktiga punkter
- Starta röstläge med ett klick på mikrofonikonen i Vibe
- Voxtral Realtime levererar latens under 200 ms för flytande samtal
- Idealiskt för brainstorming, handsfree-användning och språkinlärning
- Du kan fritt växla mellan röst och text i samma konversation
- En tyst miljö och stabil anslutning ger bäst resultat