Mistral AI wydał rodzinę modeli Voxtral 3, która ma być kompleksowym rozwiązaniem dla aplikacji opartych na mowie. Zestaw obejmuje trzy modele transkrypcji (Small i Mini w wersji wsadowej oraz Mini w wersji real-time), jeden model zamiany tekstu na mowę oraz SDK zbudowane na infrastrukturze LiveKit. Wszystkie modele są teraz dostępne w publicznym podglądzie na Mistral API z punktami końcowymi w Europie, USA i globalnymi.
Wersja Mini Transcribe 3 ma 4 miliardy parametrów i jest przeznaczona dla środowisk o ograniczonych zasobach. Model Small Transcribe 3, flagowy wariant do transkrypcji wsadowej, osiąga wynik 2.1 procent AA-WER i zajmuje trzecie miejsce na liście Artificial Analysis. Modele transkrypcji wyróżniają się szczególnie w diaryzacji oraz transkrypcji wielojęzycznej. Wersja real-time Voxtral Mini Transcribe obsługuje streaming przez WebSocket, choć jej wynik 7.4 procent WER na benchmarku FLEURS 35 pozostaje za Gemini 3.5 Realtime, które osiąga 4.2 procent. Wszystkie modele transkrypcji wspierają diaryzację i context biasing - możliwość poprawy rozpoznawania poprzez podanie kluczowych terminów lub tekstu wolnego.
Rozszczepienie oferty na Mini i Small pozwala firmom wybierać między wydajnością a kosztem. Model Mini nadaje się do szybszych, tańszych zadań, podczas gdy Small oferuje lepszą dokładność dla bardziej wymagających aplikacji. Możliwość wdrożenia na własnej infrastrukturze przez Mistral sales otwiera drzwi dla organizacji szukających niezależności od chmury.