Voxtral Speech 3
#8 in Sprachsynthese (TTS)Mistral AI · v3 · seit 20. Oktober 2026 · 2× · zuletzt 22. Okt. 2026
42
Momentum
Voxtral Speech 3 (intern auch Voxtral Mini TTS 3 / voxtral-mini-tts-3-0) ist das Text-to-Speech-Modell der Voxtral-3-Produktfamilie von Mistral AI, veröffentlicht am 20. Oktober 2026 als Public Preview über die Mistral API. Laut Mistral-Doku unterstützt es Zero-Shot- und professionelles Voice Cloning, Streaming mit ca. 90 ms Time-to-First-Audio sowie 34 Emotion-Tags und 2 Pace-Tags. Die Sprachangaben in den Quellen widersprechen sich (9 Sprachen in der Doku, 35+ Sprachen und 50+ Dialekte in der Ankündigung).
Momentum-Verlauf
26.07.24.10.
Features
| Echtzeit-Streaming | Ja, Streaming-Ausgabe mit ca. 90 ms Time-to-First-Audio; Batch und Realtime über eine API |
| Latenz | ca. 90 ms Time-to-First-Audio bei Streaming |
| Plattform | Mistral API (EU-, US- und globale Endpunkte), Mistral Studio; Self-Hosting für Enterprise laut Ankündigung |
| Preis | 13 $ pro 1 Mio. Zeichen (Batch und Realtime, gleicher Preis) |
| Release-Datum | 20. Oktober 2026 (Public Preview) |
| Sprachen | 9 Sprachen laut Mistral-Doku (Ankündigung: 35+ Sprachen, 50+ Dialekte) |
| Voice-Cloning | Zero-Shot- und professionelles Voice Cloning (Pro Voice aus ca. 30 Min. Audio) |