Uso principal declarado o inferido con cautela desde la documentación oficial.
M
MISTRAL / voxtral-mini-tts-3-0
Voxtral TTS 3
Modelo de síntesis de voz presentado el 20 de octubre de 2026. La guía específica vigente declara 35 idiomas y más de 50 dialectos; el recuento antiguo de nueve idiomas de la ficha no se utiliza como límite actual. Convierte texto en audio, con referencia de voz opcional. Las respuestas por lotes y en streaming utilizan el mismo modelo; no se duplican como checkpoints distintos.
01 / RESUMEN
Lo esencial
Capacidad máxima de entrada cuando la fuente la publica.
Límite máximo de generación documentado.
Canales de disponibilidad verificados.
Familia funcional principal y especialidades verificadas.
Condiciones declaradas para API, pesos o despliegue propio.
02 / FICHA TÉCNICA
Límites e integración
| ID de API | voxtral-mini-tts-3-0 |
|---|---|
| Tipo de modelo | Voz y audio |
| Modelo de acceso | Propietario de pago |
| Licencia | Propietaria |
| Despliegue | API alojada |
| Lanzamiento | 20 OCT 2026 |
| Corte de conocimiento | No publicado |
| Entrada | Texto · Audio |
| Salida | Audio |
| Ventana de contexto | Texto y referencia de voz opcional |
| Salida máxima | Audio sintetizado |
| Razonamiento | No publicado |
| Herramientas publicadas | |
| Salidas estructuradas | No publicado |
| Procesamiento por lotes | No publicado |
| Caché de prompts | No publicado |
| Ajuste fino | No publicado |
| Plataformas verificadas | Mistral API |
Narración, accesibilidad e interfaces habladas mediante /v1/audio/speech. Admite etiquetas de emoción y velocidades slow o fast. Usa referencias de voz únicamente con autorización verificable y comprueba pronunciación, números y cambios de idioma antes de publicar. El soporte multilingüe no garantiza calidad idéntica en todos los acentos ni elimina la revisión humana de mensajes sensibles.
La migración oficial indica que las instrucciones de estilo libres no están disponibles al lanzamiento: no las presentamos como una función utilizable. Las etiquetas de emoción son un mecanismo diferente. No utilices clonación para suplantar personas ni interpretes una referencia de voz como consentimiento. Conserva el identificador versionado y valida formato, duración y condiciones de tratamiento del audio.
03 / CAPACIDADES
Qué puede hacer
Orientación
Narración, accesibilidad e interfaces habladas mediante /v1/audio/speech. Admite etiquetas de emoción y velocidades slow o fast. Usa referencias de voz únicamente con autorización verificable y comprueba pronunciación, números y cambios de idioma antes de publicar. El soporte multilingüe no garantiza calidad idéntica en todos los acentos ni elimina la revisión humana de mensajes sensibles.
Contexto
Texto y referencia de voz opcional · Audio sintetizado
Herramientas e integración
No publicado
Acceso
Mistral API
Modalidades de entrada
TextoAudio
04 / PRECIOS
Coste documentado
| Concepto | Valor | Unidad / condición |
|---|---|---|
| Entrada estándar | 13 USD / millón de caracteres | Tarifa estándar de API |
| Entrada en caché | No publicado | Lectura de prefijos reutilizados |
| Escritura o almacenamiento de caché | No publicado | La condición varía según proveedor |
| Salida estándar | Incluido en la tarifa de texto | Puede incluir tokens de razonamiento |
| Entrada por lotes | No publicado | Procesamiento asíncrono |
| Salida por lotes | No publicado | Procesamiento asíncrono |
Tarifas públicas en dólares por minuto de audio o por millón de caracteres, según la variante; no son precios por tokens. Los campos numéricos por millón de tokens quedan vacíos para evitar comparaciones falsas. Confirma condiciones de facturación y disponibilidad antes de integrar. El despliegue privado empresarial requiere acuerdo específico; no se han publicado pesos descargables de estas variantes.
i Los precios cambian y pueden depender del nivel, la región o la longitud del contexto. Revisa la fuente antes de tomar una decisión.
05 / EVALUACIONES
Cómo leer los resultados
“
Mistral utiliza VoiceCodeBench con 300 prompts en inglés y dos voces; la prueba multilingüe cubre 377 prompts en once idiomas. Son evaluaciones del proveedor con juez automático, no pruebas propias de Inferama ni una medida de calidad clínica. No convertimos preferencias de un juez en precisión factual. Revisa inteligibilidad, naturalidad, pronunciación y uso autorizado de las voces.
i Evaluación del proveedor; puntuaciones numéricas no verificadas por Inferama.
Inferama solo destaca un «mejor resultado» cuando la métrica, el conjunto de prueba, la configuración y la fecha permiten una comparación equivalente. Las cifras del proveedor se presentan como afirmaciones de su propia fuente.
06 / VERSIONES
Cronología
Voxtral TTS 3
Versión incorporada al catálogo verificado de Inferama.
ANÁLISIS
Análisis relacionados
07 / FUENTES