Voxtral

2025-07-15 · Éditeur : Mistral AI · Domaine : Intelligence Artificielle

Mistral AI lance Voxtral, ses premiers modèles de compréhension de la parole : Small (24B) et Mini (3B), sous Apache 2.0, pour transcrire et interroger l'audio, à partir de 0,001 dollar la minute.

Mistral AI lance Voxtral, ses premiers modèles de compréhension de la parole : Small (24B) et Mini (3B), sous Apache 2.0, pour transcrire et interroger l'audio, à partir de 0,001 dollar la minute. ### Ce qui change - Deux tailles : 24B pour la production, 3B pour le local et l'edge ; la version Mini Transcribe est optimisée pour l'API de transcription. - Contexte de 32k tokens : audio jusqu'à 30 minutes en transcription, 40 minutes en compréhension. - Questions-réponses et résumés directement depuis l'audio, appels de fonctions déclenchés par la voix. - Détection automatique de la langue ; annoncé meilleur que Whisper large-v3 et proche d'ElevenLabs Scribe pour moins de la moitié du prix. ### Caractéristiques - Basé sur Mistral Small 3.1 (Small) et Ministral (Mini), qui conservent les capacités texte. - Entrées : audio et texte ; sortie texte. - Licence : Apache 2.0. - Disponibilité : API, Hugging Face, mode vocal de Le Chat. - Identifiants API : `voxtral-small-2507`, `voxtral-mini-2507` (chat), `voxtral-mini-2507` via audio/transcriptions. ### Tarifs | Modèle | Audio (USD / min) | Texte entrée (USD / M tokens) | Texte sortie (USD / M tokens) | |---|---|---|---| | Voxtral Mini (transcription) | 0,002 | | | | Voxtral Mini | 0,001 | 0,04 | 0,04 | | Voxtral Small | 0,004 | 0,1 | 0,3 | Prix de la page tarifs archivée le 30 juillet 2025 ; la documentation actuelle affiche 0,4 USD en sortie texte pour Voxtral Small. Le billet indique « à partir de 0,001 USD par minute ». ### Benchmarks Les résultats (taux d'erreur de mots sur FLEURS, Common Voice, etc.) sont fournis en graphiques images, sans chiffres en texte. L'éditeur indique que Voxtral surpasse Whisper large-v3, GPT-4o mini Transcribe et Gemini 2.5 Flash sur ses tâches de transcription. ### À retenir Une brique de parole ouverte, déployable sur site, qui évite de chaîner reconnaissance vocale et LLM séparés.

Tags : LLM, Mistral, Voxtral, Audio, Open Source, Apache 2.0