A Mistral, empresa francesa por trás do Le Chat, lançou o Voxtral 3 em 20 de outubro: um conjunto de modelos de fala para texto e texto para fala, além de um SDK para criar agentes de voz que ouvem, raciocinam, falam e agem.

Os modelos e preços

Voxtral Small Transcribe 3: o modelo de transcrição mais preciso, US$ 0,004 por minuto.
Voxtral Mini Transcribe 3: transcrição em lote, 4 bilhões de parâmetros, US$ 0,0035 por minuto.
Voxtral Mini Transcribe Realtime 3: transcrição em streaming para agentes, US$ 0,008 por minuto, com latência abaixo de 500 ms.
Voxtral Mini TTS 3: texto para fala em lote e em tempo real, US$ 13 por milhão de caracteres.
SDK para agentes de voz: construído sobre o LiveKit, US$ 0,04 por minuto com o Mistral Small 4 realizando o raciocínio ou US$ 0,08 com um modelo maior. A Mistral afirma que cada turno do agente é concluído em menos de um segundo.

Idiomas e vozes

Os modelos Transcribe 3 cobrem mais de 50 idiomas, incluindo os 24 idiomas oficiais da UE. O modelo de fala cobre mais de 35 idiomas e mais de 50 dialetos, aceita instruções sobre emoção, ritmo e ênfase, e oferece vozes pré-definidas em 18 idiomas. Também suporta clonagem de voz, e uma opção Pro Voice adapta uma voz a partir de 30 minutos de áudio de um locutor.

Os próprios benchmarks da Mistral colocam o Voxtral Small Transcribe 3 à frente na transcrição com atribuição de locutor: uma taxa de erro de 18,4%, contra 23,0% do ElevenLabs Scribe v2 e 38,4% do Gemini 3.5 Transcribe. A Mistral também afirma que o Voxtral Small supera o Whisper no teste multilíngue FLEURS e que seu modelo de fala é mais barato de operar do que o OpenAI TTS-1, o Deepgram, o ElevenLabs Flash e o Gemini Flash. Esses são números da própria fornecedora, não testes independentes.

Onde funciona

O Voxtral 3 já está disponível pela API da Mistral, hospedada na UE com endpoints nos EUA e globais, e nos playgrounds do Mistral Studio para testar transcrição, fala, clonagem de voz e agentes. As empresas também podem implantá-lo em sua própria infraestrutura; configurações on-premises e de nuvem privada passam pela equipe de vendas da Mistral.

Para quem isso importa

O lançamento mira desenvolvedores que constroem bots para centrais de atendimento, transcrição de reuniões e assistentes de voz, especialmente aqueles que precisam manter o áudio dentro da UE ou em seus próprios servidores.

O que isso significa se você precisa de IA de voz

Se você transcreve reuniões ou chamadas em vários idiomas, o Voxtral Mini a US$ 0,0035 por minuto vale a pena testar frente ao modelo aberto Whisper que você talvez já use.

Se você precisa de vozes naturais para conteúdo, o ElevenLabs continua sendo o estúdio pronto para uso; o Voxtral é uma API voltada a desenvolvedores, então compare-o com seus próprios roteiros antes de trocar.