Mistral lance Voxtral 3 : nouvelle famille de modèles vocaux et SDK d'agent vocal en temps réel

Pourquoi c'est important

La société française d'IA Mistral AI a annoncé sur son blog officiel le 20 octobre que Voxtral 3 est « available today » : une pile complète d'agent vocal réunissant écoute, raisonnement, appels d'outils et parole dans un seul pipeline de streaming en temps réel. C'est la poussée européenne la plus concentrée à ce jour dans la course aux agents vocaux.

Contenu de l'offre

Voxtral Small Transcribe 3 pour la transcription dans plus de 50 langues, dont 24 langues officielles de l'UE ; Voxtral Mini Transcribe Realtime 3 pour la transcription en temps réel avec une latence inférieure à 500 ms ; Voxtral Speech 3 pour la synthèse vocale dans plus de 35 langues et plus de 50 dialectes ; et un SDK d'agent vocal bâti sur LiveKit.

Tarifs et déploiement

Tarifs officiels : transcription à partir de 0,0035 $/min, transcription en temps réel à 0,008 $/min, synthèse vocale à 13 $ par million de caractères ; l'API d'agent vocal (avec le raisonnement Mistral Small 4) coûte 0,04 $/min. Déploiement via l'API Mistral hébergée en Europe ou auto-hébergement, présenté comme un déploiement « souverain » avec maîtrise des données.

Performances annoncées (chiffres Mistral)

Mistral affirme que Voxtral Small Transcribe 3 atteint un taux d'erreur de 4,1 % sur FLEURS-45, contre 16,0 % pour Whisper large-v3. Ce sont des chiffres fournis par l'éditeur ; une vérification indépendante reste à venir.