Qu’est-ce que Voxtral 3 (Transcribe and TTS) ?
Voxtral 3 est la famille de parole de Mistral AI, sortie en préversion publique le 20 octobre 2026. Elle a quatre modèles : Voxtral Small Transcribe 3 et le Voxtral Mini Transcribe 3 de 4 milliards de paramètres pour l'audio enregistré, avec étiquettes de locuteur (diarisation) et horodatages ; Voxtral Mini Transcribe Realtime 3 pour la transcription en direct en moins de 500 millisecondes ; et Voxtral TTS 3, qui lit du texte avec clonage de voix zero-shot et streaming. Mistral a lancé un pipeline d'agent vocal géré et un SDK le même jour.
La transcription couvre 50 langues, dont les 24 langues officielles de l'UE, et la sortie vocale couvre plus de 35 langues. Les modèles sont disponibles via l'API de Mistral avec des endpoints UE, US et mondiaux. Contrairement à certaines versions Voxtral antérieures, aucun poids n'a été publié ; Mistral n'offre l'auto-déploiement qu'en arrangement entreprise.
Les prix de lancement rapportés sont de 0,0035 $ la minute pour Mini Transcribe 3, 0,0040 $ pour Small Transcribe 3, 0,008 $ pour le modèle temps réel et 13 $ par million de caractères pour la parole.
Combien coûte Voxtral 3 (Transcribe and TTS) ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Mini Transcribe 3 | $0.0035 a minute | Audio enregistré, diarisation et horodatages |
| Small Transcribe 3 | $0.0040 a minute | |
| Mini Transcribe Realtime 3 | $0.008 a minute | Transcription en direct sous 500 ms |
| TTS 3 | $13 per million characters | Clonage de voix zero-shot, streaming |
Mini Transcribe 3 0,0035 $ la minute ; Small Transcribe 3 0,0040 $ la minute ; Mini Transcribe Realtime 3 0,008 $ la minute ; TTS 3 13 $ par million de caractères (prix de lancement tels que rapportés).
Voxtral 3 (Transcribe and TTS) vaut-il le coup ?
La transcription de Voxtral 3 est la raison de regarder. Artificial Analysis a mesuré un taux d'erreur sur les mots de 2,1 % pour Small Transcribe 3, 0,1 point derrière le MAI-Transcribe-2 de Microsoft et 0,1 devant ElevenLabs Scribe v2, et 2,2 % pour le Mini moins cher. À 0,0035 $ la minute, une heure d'audio coûte environ 21 cents, contre 0,22 $ l'heure pour Scribe v2, si bien qu'il égale les leaders sur la précision et le prix.
Les propres chiffres de Mistral confirment l'étiquetage de locuteur : 18,4 % d'erreur de diarisation pour Small, devant les 19,0 % de Pyannote et loin devant les 38,4 % de Gemini 3.5 Transcribe. Le modèle temps réel échange la précision contre la vitesse de façon prévisible, de 5,7 % d'erreur à 2,4 secondes de délai à 7,4 % à 240 millisecondes, si bien que les agents vocaux devraient tester là où leur budget de latence se situe.
Le côté parole est moins remarquable. Voxtral TTS 3 se situe 13e sur le classement de parole d'Artificial Analysis à 13 $ par million de caractères, soit environ 70 cents par heure de parole. Il est 127 points Elo meilleur que le TTS 4B ouvert de Mistral de mars, mais derrière l'Eleven v4 d'ElevenLabs.
Deux choses à peser. Les quatre modèles sont en préversion publique, si bien que les prix et le comportement peuvent changer. Et contrairement à Voxtral Realtime et Voxtral 4B TTS plus tôt cette année, il n'y a pas de poids téléchargeables : les équipes qui ont besoin de parole hors ligne devraient rester sur ces anciennes versions ouvertes.
Là où il fait la différence
Une entreprise européenne d'analyse de centres d'appels
Transcrire et étiqueter les locuteurs sur des milliers d'heures d'appels
Small Transcribe 3 gère la diarisation et les horodatages via l'endpoint UE de Mistral. 10 000 heures coûtent environ 2 400 $ à 0,0040 $ la minute.
Une équipe qui construit un agent vocal téléphonique
Entendre les appelants en temps réel et répondre avec une voix naturelle
Associer Mini Transcribe Realtime 3 à TTS 3 dans le SDK d'agent vocal de Mistral. Réglez le délai de transcription autour de 480 à 960 ms pour garder l'erreur près de 6 %.
Un éditeur de podcasts ou de vidéos
Produire des transcriptions et sous-titres multilingues précis
Mini Transcribe 3 à 0,0035 $ la minute égale Small à 0,1 point près sur Artificial Analysis ; un épisode de 60 minutes coûte environ 21 cents.
Avant de vous engager
- Mise en route
- Appelez voxtral-mini-transcribe-3-0, voxtral-small-transcribe-3-0, voxtral-mini-transcribe-realtime-3-0 ou voxtral-mini-tts-3-0 sur l'API de Mistral, en choisissant l'endpoint UE, US ou mondial.
- Intégrations
- API Mistral et pipeline Voice Agents ; SDK d'agent vocal basé sur LiveKit couvrant l'écoute, le raisonnement, les appels d'outils et la parole.
- Données et confidentialité
- API uniquement ; aucun poids ou licence publié. Les conditions d'API de Mistral lui permettent de s'entraîner sur les données du niveau gratuit sauf si vous vous y opposez, avec option de retrait pour l'usage ; vérifiez-les pour l'audio avant d'envoyer des appels sensibles. L'auto-déploiement est un arrangement entreprise.
- Coût à grande échelle
- 100 000 heures de transcription coûtent environ 21 000 $ sur Mini ou 48 000 $ en temps réel. La sortie vocale à 13 $ par million de caractères fait environ 70 cents par heure d'audio.
- Limites
- Préversion publique. L'erreur en temps réel monte de 5,7 % à 2,4 s de délai à 7,4 % à 240 ms. Sortie vocale en plus de 35 langues ; transcription en 50.
Les points forts
- Taux d'erreur sur les mots de 2,1 % sur Artificial Analysis, parmi les trois premiers
- Environ 21 cents l'heure d'audio sur Mini Transcribe 3
- Erreur de diarisation de 18,4 %, devant Pyannote et Gemini, selon Mistral
- Endpoints UE, US et mondiaux ; 50 langues de transcription
Les points faibles
- Pas de poids ouverts, contrairement aux versions Voxtral antérieures
- Préversion publique ; les prix et les modèles peuvent changer
- TTS 3 se classe 13e sur le board de parole d'Artificial Analysis
- La précision en temps réel tombe à 7,4 % d'erreur à 240 ms de délai
Idéal pour
Les équipes qui transcrivent de gros volumes de réunions, d'appels ou de médias, surtout en Europe, qui veulent une précision de premier plan à un faible coût à la minute.
Alternatives à Voxtral 3 (Transcribe and TTS)
Voxtral 3 (Transcribe and TTS) : questions fréquentes
- Voxtral 3 (Transcribe and TTS) vaut-il le coup ?
- Près du sommet des tests de transcription indépendants à un tiers de centime la minute, avec des endpoints UE ; le côté parole est simplement compétitif et rien n'est à poids ouverts cette fois. Nous lui donnons 4.4 sur 5.
- Combien coûte Voxtral 3 (Transcribe and TTS) ?
- Mini Transcribe 3 0,0035 $ la minute ; Small Transcribe 3 0,0040 $ la minute ; Mini Transcribe Realtime 3 0,008 $ la minute ; TTS 3 13 $ par million de caractères (prix de lancement tels que rapportés).
- Quels sont les inconvénients de Voxtral 3 (Transcribe and TTS) ?
- Pas de poids ouverts, contrairement aux versions Voxtral antérieures; préversion publique ; les prix et les modèles peuvent changer; tTS 3 se classe 13e sur le board de parole d'Artificial Analysis; la précision en temps réel tombe à 7,4 % d'erreur à 240 ms de délai.
- À qui s’adresse Voxtral 3 (Transcribe and TTS) ?
- Les équipes qui transcrivent de gros volumes de réunions, d'appels ou de médias, surtout en Europe, qui veulent une précision de premier plan à un faible coût à la minute.
- Combien coûte Voxtral 3 (Transcribe and TTS) pour une équipe ou en production ?
- 100 000 heures de transcription coûtent environ 21 000 $ sur Mini ou 48 000 $ en temps réel. La sortie vocale à 13 $ par million de caractères fait environ 70 cents par heure d'audio.
- Voxtral 3 (Transcribe and TTS) est-il sûr pour les données de l’entreprise ?
- API uniquement ; aucun poids ou licence publié. Les conditions d'API de Mistral lui permettent de s'entraîner sur les données du niveau gratuit sauf si vous vous y opposez, avec option de retrait pour l'usage ; vérifiez-les pour l'audio avant d'envoyer des appels sensibles. L'auto-déploiement est un arrangement entreprise.
- Quelles sont les meilleures alternatives à Voxtral 3 (Transcribe and TTS) ?
- Les alternatives les plus proches que nous avons testées sont ElevenLabs Scribe v2, Gemini 3.5 Transcribe, Deepgram Nova-3 et GPT Transcribe.
Réponses vérifiées le 25 oct. 2026.