Mistral propose Voxtral 3, une nouvelle famille de modèles pour transcrire et produire de la voix. Elle arrive avec un SDK, un kit destiné aux développeurs, qui rassemble dans un même processus l’écoute, le raisonnement, l’utilisation d’outils et la parole. Ce kit s’appuie sur LiveKit et sert à construire des agents vocaux fonctionnant localement.
Les quatre modèles de Voxtral 3 sont en préversion publique. Mistral les présente comme capables de mieux gérer les échanges en temps réel, notamment en repérant qui parle et quand une personne a fini son tour. L’entreprise affirme que leurs performances dépassent plusieurs références, dont Whisper d’OpenAI. L’article indique qu’Artificial Analysis semble confirmer ces résultats, mais ne donne ni les tests ni les scores détaillés.
Quatre modèles, des tarifs différents
Small Transcribe 3 transcrit des fichiers audio dans 50 langues, à 0,004 dollar la minute. Mini Transcribe 3 compte 4 milliards de paramètres et coûte 0,0035 dollar la minute. Pour la transcription en direct, Mini Transcribe Realtime 3 annonce une latence de moins de 500 millisecondes et un tarif de 0,008 dollar la minute.
Voxtral Speech 3, aussi appelé Mini TTS 3.0, transforme du texte en voix dans plus de 35 langues et 50 dialectes. Il coûte 13 dollars par million de caractères. L’agent complet revient à 0,04 dollar la minute avec Small, ou 0,08 dollar avec un autre modèle de raisonnement. L’accès passe par l’API de Mistral ou une installation sur site. La taille de Small et la disponibilité de poids ouverts ne sont pas précisées.
Timestral prévoit des séries de mesures
Mistral a aussi lancé Timestral le 15 octobre. Ce modèle prédit l’évolution de données mesurées au fil du temps, comme une consommation ou des relevés de capteurs. Il existe en quatre tailles, de 5 à 209 millions de paramètres, peut exploiter jusqu’à 32 768 étapes d’historique et fournit des prévisions avec une fourchette d’incertitude.
Selon Mistral, il peut fonctionner sans carte graphique : prévoir une journée prendrait de 10 à 140 millisecondes sur un processeur de serveur à huit fils, selon la taille choisie. Le code est sous licence Apache 2.0, mais les poids ont une licence MIT modifiée. Les entreprises dont le chiffre d’affaires mensuel consolidé dépasse 20 millions de dollars doivent demander une licence commerciale ou utiliser les services hébergés de Mistral.
Pourquoi c'est important
Pour les développeurs qui veulent créer un assistant vocal, Voxtral 3 regroupe transcription, synthèse et appel d’outils, avec des tarifs affichés à la minute. Mais il s’agit encore d’une préversion, et les informations disponibles ne détaillent pas les tests annoncés ni la taille de Small. Timestral peut aussi intéresser les équipes qui prévoient des mesures sans GPU, mais les grandes entreprises ne peuvent pas utiliser gratuitement ses poids selon la licence décrite.
