Voxtral 3
La famille Voxtral 3, annoncée le 20 octobre 2026, sépare transcription différée, transcription en direct et synthèse vocale. Les quatre modèles sont en preview publique. Voice Agents est le service qui orchestre ces briques, pas un cinquième nom de modèle.
01 Choisir la bonne brique audio
- Mini Transcribe 3
voxtral-mini-transcribe-3-0: transcription différée et identification des locuteurs.- Mini Transcribe Realtime 3
voxtral-mini-transcribe-realtime-3-0: transcription en streaming, détection de fin de tour et réglage de latence.- Small Transcribe 3
voxtral-small-transcribe-3-0: transcription, avec traduction, questions-réponses audio et fonctions supplémentaires décrites par la fiche.- TTS 3
voxtral-mini-tts-3-0: génération vocale, streaming et clonage de voix selon les conditions du service.
02 Preview API et hébergement
Le journal officiel classe les quatre modèles en preview publique au lancement. Pour une intégration, utiliser l’identifiant exact, surveiller le cycle de vie et conserver un jeu d’essais. Ne pas déduire du nom de Mistral une licence de poids particulière ni une exécution locale de cette offre API.
Pour des données sensibles, vérifier la région du service, les réglages de conservation et le contrat choisi. L’origine européenne de l’éditeur n’établit pas à elle seule la conformité de chaque usage.
03 Voice Agents orchestre la conversation
Le SDK Voice Agents enchaîne capture audio, transcription, réponse du modèle, synthèse et lecture. Il gère les interruptions et peut appeler des outils. La documentation distingue Python ou Node.js côté serveur, TypeScript dans le navigateur et téléphonie SIP.
Au lancement, la téléphonie est décrite pour les clients entreprise via leur équipe de compte. Dans un navigateur, le serveur crée la session pour ne pas exposer la clé API. Les outils d’un appel téléphonique doivent fonctionner côté serveur, puisque le code du navigateur n’y est pas exécuté.
04 Minutes de transcription et caractères de synthèse
Relevé du 29 octobre 2026, en dollars sur les fiches API. Les frais d’un pipeline vocal complet ne sont pas réduits au seul prix de transcription.
- Mini Transcribe 3
- 0,0035 $ par minute.
- Mini Realtime 3
- 0,008 $ par minute.
- Small Transcribe 3
- 0,004 $ par minute.
- TTS 3
- 13 $ par million de caractères.
05 Comment contrôler un résultat audio
Protocole proposé : utiliser un extrait autorisé avec noms propres, chiffres, deux locuteurs et une interruption. Vérifier les mots, les dates, les nombres et l’attribution des voix. Pour une voix synthétique, contrôler les droits sur la voix et l’intelligibilité du fichier final.
Comparer aux usages de Whisper, Gemini Transcribe et ElevenLabs, sans transférer les scores d’une version à une autre. Source IA n’a pas réalisé de mesure comparative de latence ni de précision de cette famille.
Sources officielles
- Annonce : famille audio et Voice Agents
- Lancement du 20 octobre et statut preview
- TTS 3 : fonctions et prix au caractère
- Mini Transcribe 3 : transcription différée
- Mini Realtime 3 : streaming et prix
- Small Transcribe 3 : transcription et fonctions
- Voice Agents : pipeline, navigateur et téléphonie
Consultées le 29 octobre 2026. Fiche documentaire sur sources éditeur, sans benchmark indépendant ni appel payant de modèle revendiqué.