O que é Voxtral 3 (Transcribe and TTS)?
O Voxtral 3 é a família de fala da Mistral AI, lançada em prévia pública em 20 de outubro de 2026. Ela tem quatro modelos: o Voxtral Small Transcribe 3 e o Voxtral Mini Transcribe 3, de 4 bilhões de parâmetros, para áudio gravado, com rótulos de falantes (diarização) e marcações de tempo; o Voxtral Mini Transcribe Realtime 3 para transcrição ao vivo em menos de 500 milissegundos; e o Voxtral TTS 3, que fala texto com clonagem de voz zero-shot e streaming. A Mistral lançou no mesmo dia um pipeline gerenciado de agentes de voz e um SDK.
A transcrição cobre 50 idiomas, incluindo todas as 24 línguas oficiais da UE, e a saída de fala cobre mais de 35 idiomas. Os modelos estão disponíveis pela API da Mistral, com endpoints na UE, nos EUA e globais. Ao contrário de alguns lançamentos anteriores do Voxtral, nenhum peso foi publicado; a Mistral oferece implantação própria só como acordo corporativo.
Os preços de lançamento divulgados são US$ 0,0035 por minuto para o Mini Transcribe 3, US$ 0,0040 para o Small Transcribe 3, US$ 0,008 para o modelo em tempo real e US$ 13 por milhão de caracteres para fala.
Quanto custa Voxtral 3 (Transcribe and TTS)?
| Plano | Preço | O que inclui |
|---|---|---|
| Mini Transcribe 3 | $0.0035 a minute | Áudio gravado, diarização e marcações de tempo |
| Small Transcribe 3 | $0.0040 a minute | |
| Mini Transcribe Realtime 3 | $0.008 a minute | Transcrição ao vivo abaixo de 500 ms |
| TTS 3 | $13 per million characters | Clonagem de voz zero-shot, streaming |
Mini Transcribe 3 a US$ 0,0035 por minuto; Small Transcribe 3 a US$ 0,0040 por minuto; Mini Transcribe Realtime 3 a US$ 0,008 por minuto; TTS 3 a US$ 13 por milhão de caracteres (preços de lançamento conforme divulgados).
Voxtral 3 (Transcribe and TTS) vale a pena?
A transcrição do Voxtral 3 é o motivo para olhar. O Artificial Analysis mediu taxa de erro de palavras de 2,1% para o Small Transcribe 3, 0,1 ponto atrás do MAI-Transcribe-2 da Microsoft e 0,1 à frente do ElevenLabs Scribe v2, e 2,2% para o Mini, mais barato. A US$ 0,0035 por minuto, uma hora de áudio custa cerca de 21 centavos, contra US$ 0,22 por hora do Scribe v2, então ele empata com os líderes em precisão e preço.
Os próprios números da Mistral sustentam a identificação de falantes: 18,4% de erro de diarização para o Small, à frente dos 19,0% do Pyannote e muito à frente dos 38,4% do Gemini 3.5 Transcribe. O modelo em tempo real troca precisão por velocidade de forma previsível, de 5,7% de erro com 2,4 segundos de atraso a 7,4% com 240 milissegundos, então agentes de voz devem testar onde cai seu orçamento de latência.
O lado da fala se destaca menos. O Voxtral TTS 3 está em 13º no ranking de fala do Artificial Analysis, a US$ 13 por milhão de caracteres, cerca de 70 centavos por hora de fala. Ele está 127 pontos de Elo acima do TTS aberto de 4B da Mistral, de março, mas atrás do Eleven v4 da ElevenLabs.
Duas coisas a pesar. Os quatro modelos estão em prévia pública, então preços e comportamento podem mudar. E, ao contrário do Voxtral Realtime e do Voxtral 4B TTS no início deste ano, não há pesos para baixar: equipes que precisam de fala offline devem ficar com esses lançamentos abertos mais antigos.
Onde ele se destaca
Uma empresa europeia de análise de call center
Transcrever e identificar falantes em milhares de horas de chamadas
O Small Transcribe 3 cuida de diarização e marcações de tempo pelo endpoint da Mistral na UE. 10.000 horas custam cerca de US$ 2.400 a US$ 0,0040 por minuto.
Uma equipe criando um agente de voz para telefone
Ouvir quem liga em tempo real e responder com uma voz natural
Combine o Mini Transcribe Realtime 3 com o TTS 3 no SDK de agentes de voz da Mistral. Ajuste o atraso de transcrição em torno de 480 a 960 ms para manter o erro perto de 6%.
Um publicador de podcasts ou vídeos
Produzir transcrições e legendas multilíngues precisas
O Mini Transcribe 3, a US$ 0,0035 por minuto, fica a 0,1 ponto do Small no Artificial Analysis; um episódio de 60 minutos custa cerca de 21 centavos.
Antes de decidir
- Configuração
- Chame voxtral-mini-transcribe-3-0, voxtral-small-transcribe-3-0, voxtral-mini-transcribe-realtime-3-0 ou voxtral-mini-tts-3-0 na API da Mistral, escolhendo o endpoint da UE, dos EUA ou global.
- Integrações
- API da Mistral e pipeline Voice Agents; SDK de agentes de voz baseado em LiveKit que cobre escuta, raciocínio, chamadas de ferramentas e fala.
- Dados e privacidade
- Só API; sem pesos nem licença publicados. Os termos da API da Mistral permitem treinar com dados do plano gratuito, a menos que você opte por sair, com opção de saída no pay-as-you-go; verifique-os para áudio antes de enviar chamadas sensíveis. A implantação própria é um acordo corporativo.
- Custo em escala
- 100.000 horas de transcrição custam cerca de US$ 21.000 no Mini ou US$ 48.000 no tempo real. A saída de fala a US$ 13 por milhão de caracteres sai por cerca de 70 centavos por hora de áudio.
- Limites
- Prévia pública. O erro em tempo real sobe de 5,7% com 2,4 s de atraso para 7,4% com 240 ms. Saída de fala em mais de 35 idiomas; transcrição em 50.
O que é bom
- Taxa de erro de palavras de 2,1% no Artificial Analysis, entre os três primeiros
- Cerca de 21 centavos por hora de áudio no Mini Transcribe 3
- Erro de diarização de 18,4%, à frente do Pyannote e do Gemini, segundo a Mistral
- Endpoints na UE, nos EUA e globais; 50 idiomas de transcrição
O que não é
- Sem pesos abertos, ao contrário de lançamentos anteriores do Voxtral
- Prévia pública; preços e modelos podem mudar
- O TTS 3 fica em 13º no ranking de fala do Artificial Analysis
- A precisão em tempo real cai para 7,4% de erro com 240 ms de atraso
Ideal para
Equipes que transcrevem grandes volumes de reuniões, chamadas ou mídia, especialmente na Europa, e querem precisão de primeira linha a baixo custo por minuto.
Alternativas ao Voxtral 3 (Transcribe and TTS)
Voxtral 3 (Transcribe and TTS): perguntas frequentes
- Voxtral 3 (Transcribe and TTS) vale a pena?
- Perto do topo em testes independentes de transcrição a um terço de centavo por minuto, com endpoints na UE; o lado da fala é apenas competitivo e desta vez nada tem pesos abertos. Damos nota 4.4 de 5.
- Quanto custa Voxtral 3 (Transcribe and TTS)?
- Mini Transcribe 3 a US$ 0,0035 por minuto; Small Transcribe 3 a US$ 0,0040 por minuto; Mini Transcribe Realtime 3 a US$ 0,008 por minuto; TTS 3 a US$ 13 por milhão de caracteres (preços de lançamento conforme divulgados).
- Quais são as desvantagens de Voxtral 3 (Transcribe and TTS)?
- Sem pesos abertos, ao contrário de lançamentos anteriores do Voxtral; prévia pública; preços e modelos podem mudar; o TTS 3 fica em 13º no ranking de fala do Artificial Analysis; a precisão em tempo real cai para 7,4% de erro com 240 ms de atraso.
- Para quem Voxtral 3 (Transcribe and TTS) é indicado?
- Equipes que transcrevem grandes volumes de reuniões, chamadas ou mídia, especialmente na Europa, e querem precisão de primeira linha a baixo custo por minuto.
- Quanto custa Voxtral 3 (Transcribe and TTS) para uma equipe ou em produção?
- 100.000 horas de transcrição custam cerca de US$ 21.000 no Mini ou US$ 48.000 no tempo real. A saída de fala a US$ 13 por milhão de caracteres sai por cerca de 70 centavos por hora de áudio.
- Voxtral 3 (Transcribe and TTS) é seguro para dados da empresa?
- Só API; sem pesos nem licença publicados. Os termos da API da Mistral permitem treinar com dados do plano gratuito, a menos que você opte por sair, com opção de saída no pay-as-you-go; verifique-os para áudio antes de enviar chamadas sensíveis. A implantação própria é um acordo corporativo.
- Quais são as melhores alternativas ao Voxtral 3 (Transcribe and TTS)?
- As alternativas mais próximas que analisamos são ElevenLabs Scribe v2, Gemini 3.5 Transcribe, Deepgram Nova-3 e GPT Transcribe.
Respostas verificadas em 25 de out. de 2026.