Mistral Voxtral 3: tale til tekst på 50+ sprog og tekst til tale på 35+

Hvad er nyt

Mistral AI har ifølge The Decoder lanceret Voxtral 3 den 20. oktober 2026. Det er en hel familie af talemodeller plus en såkaldt Voice Agent SDK, altså en værktøjskasse til udviklere, der vil bygge stemmeassistenter.

Familien består af fire dele: Voxtral Small Transcribe 3 og Voxtral Mini Transcribe 3 omsætter tale til tekst på 50+ sprog (Mini er til batch, altså færdige optagelser). Voxtral Mini Transcribe Realtime 3 gør det live på 40+ sprog med under 500 millisekunders forsinkelse. Voxtral Speech 3 / Mini TTS 3 laver tekst om til tale på 35+ sprog og 50+ dialekter, og 18 af sprogene har færdige stemmer at vælge imellem. Ifølge Mistral dækker transskriptionen alle 24 officielle EU-sprog.

Hvad er smart

SDK'en samler det hele i én strøm: lytte, tænke, bruge værktøjer og svare højt. Den er ifølge The Decoder bygget på LiveKit. En agent kan altså tale med eksterne systemer midt i en samtale, fx booke en aftale eller tjekke en faktura.

Ifølge Mistral kan systemet mærke, hvornår en person er færdig med at tale (både på lyden og på meningen), skelne mellem talere (diarisering) og huske fagord via context biasing, så branchespecifikke ord bliver stavet rigtigt. Det understøtter også funktionskald, websøgning samt telefon- og webopkald via SIP og WebRTC. Samtaler kan afsluttes på under ét sekund.

Billigere eller bedre?

Priserne er opgivet i dollar: Mini Transcribe 3 koster 0,0035 dollar pr. minut, Small Transcribe 3 0,004 dollar og realtidsmodellen 0,008 dollar pr. minut. Tekst til tale koster 13 dollar pr. million tegn. Voice agent API'et koster 0,04 dollar pr. minut med Mistral Small 4 og 0,08 dollar med andre modeller. Der er ingen oplyst månedspris til almindelige brugere.

På kvalitet oplyser Mistral, at Voxtral Small har 4,1 % ordfejl på testen FLEURS 45. Til sammenligning har Whisper large-v3 16,0 %, Scribe v2 fra ElevenLabs 6,3 % og Gemini 3.5 6,1 %. Realtidsmodellen (480 ms) når 5,8 % på Artificial Analysis-testen. Mistral hævder også, at tekst til tale giver bedre forhold mellem pris og kvalitet end ElevenLabs, OpenAI og Deepgram. Alle tal er Mistrals egne og ikke uafhængigt efterprøvet.

Det er den god til

Modellerne passer til virksomheder, der vil have kundeservice på telefon, mødenoter med flere talere eller automatisk booking og fakturatjek via stemme. Fordi flere EU-sprog er med, kan det være relevant for europæiske firmaer.

For dem, der går op i datakontrol, findes der en EU-hostet API og en US-endpoint. Modellerne kan også køre på kundens egen infrastruktur, on-premises eller i privat cloud, ved at kontakte Mistrals salg. Det fremgår ikke af kilderne, om modellerne er open source, eller om alt er tilgængeligt i Danmark.