Voxtral 3
#2 in Transkription (STT)Mistral AI · v3 · seit 2026-10-20 · 9× · zuletzt 22. Okt. 2026
81
Momentum
Voxtral 3 ist eine Modellfamilie von Mistral AI für Sprachanwendungen, die Speech-to-Text (Transkription, batch und Echtzeit), Text-to-Speech (Voxtral Speech 3) und ein LiveKit-basiertes Voice-Agent-SDK mit Tool-Calling umfasst. Vorgestellt wurde sie am 20. Oktober 2026, verfügbar über die EU-gehostete Mistral-API, US-/globale Endpunkte oder Self-Deployment. Die Leistungsangaben stammen überwiegend von Mistral selbst.
Momentum-Verlauf
24.07.22.10.
Features
| Echtzeit-Streaming | Ja: Voxtral Mini Transcribe Realtime 3 für Live-Streaming; Pipeline aus Transkription, Reasoning und Sprachausgabe als Stream |
| Latenz | Realtime-Transkription unter 500 ms; TTS ca. 90 ms Time-to-First-Audio |
| Lizenz | Proprietär (Mistral Premier) laut Release-Übersicht für Voxtral TTS 3; keine offenen Gewichte für Voxtral 3 belegt |
| Plattform | Mistral-API (EU-, US- und globale Endpunkte) sowie Self-Deployment auf eigener Infrastruktur |
| Preis | Mini Transcribe 3 (batch) $0,0035/Min; Small Transcribe 3 $0,004/Min; Realtime 3 $0,008/Min; TTS (Speech 3) $13/1 Mio. Zeichen |
| Release-Datum | 20. Oktober 2026 |
| Sprachen | Transkription: über 50 Sprachen; Sprachausgabe: über 35 Sprachen und 50+ Dialekte |
| Voice-Cloning | Ja, zero-shot und professionelles Voice-Cloning (Pro Voice mit 30 Min. Audio) laut Release-Übersicht für Voxtral TTS 3 |