Mistral AI apresenta Voxtral 3 com transcrição, geração e clonagem de voz

Imagem para ajudar a entender a matéria

Nova família de modelos de áudio

A Mistral AI apresentou em 20 de outubro de 2026 a família Voxtral 3, voltada a reconhecimento de fala, transcrição em tempo real, geração e clonagem de voz e criação de agentes de voz. Segundo a empresa, o sistema de conversão de texto em fala, conhecido pela sigla TTS, oferece suporte a mais de 35 idiomas.

Preços dos serviços

No processamento em lote, o Voxtral Mini Transcribe 3 custa US$ 0,0035 por minuto, enquanto o Voxtral Small Transcribe 3 sai por US$ 0,0040 por minuto. Para transcrição em tempo real, o Voxtral Mini Transcribe Realtime 3 foi tabelado em US$ 0,008 por minuto.

O Voxtral Mini TTS 3, destinado à geração de voz, custa US$ 13 por milhão de caracteres. Em avaliações internas de recursos multilíngues e de expressividade em inglês, a Mistral AI utilizou o gemini-3.8-flash como modelo avaliador.

Na API de agentes de voz, o preço depende do modelo associado. A configuração com o Mistral Small 4 reasoning custa US$ 0,04 por minuto; com modelos maiores, o valor sobe para US$ 0,08 por minuto.

Acesso e implantação

O Voxtral 3 está disponível por meio dos endpoints de API europeus, americanos e globais da Mistral AI. Empresas interessadas em instalar a tecnologia em infraestrutura própria ou em nuvem privada precisam negociar diretamente com a companhia.

O ambiente Studio permite testar transcrição, geração e clonagem de voz, além dos agentes de voz.

Desempenho em avaliação independente

No teste de transcrição não contínua AA-WER, da organização independente Artificial Analysis, o Voxtral Small registrou 2,1% e o Voxtral Mini, 2,2%. Resultados menores indicam menos erros. O Fun-Realtime-ASR-preview ficou em primeiro entre os modelos citados, com 1,7%, seguido pelo MAI-Transcribe-2, com 2,0%.

Na mesma comparação, o Scribe v2 também marcou 2,2%, enquanto o Gemini 3.5 Transcribe obteve 2,6% e o GPT Transcribe, 3,3%. O indicador AA-WER combina três bases de avaliação: AA-AgentTalk, com peso de 50%, VoxPopuli-Cleaned-AA, com 25%, e Earnings22-Cleaned-AA, também com 25%.

Source: Original Korean article - Trendy News Korea