Utilisation principale déclarée ou déduite avec prudence de la documentation officielle.
M
MISTRAL / voxtral-mini-transcribe-realtime-3-0
Voxtral Mini Transcribe Realtime 3
Transcripteur audio en streaming présenté par Mistral le 20 octobre 2026. Le guide actuel répertorie 45 langues et dialectes. Il utilise WebSocket, fournit du texte incrémental et ajoute la détection de fin de tour, des étiquettes de locuteur et context_bias. Il ne génère pas de voix et ne partage pas automatiquement les capacités hors ligne de Small. L’identifiant versionné permet de le distinguer des alias susceptibles de changer de version.
01 / RÉSUMÉ
L'essentiel
Capacité d'entrée maximale une fois publiée par la source.
Limite de génération maximale documentée.
Canaux de disponibilité vérifiés.
Famille fonctionnelle principale et spécialités vérifiées.
Conditions déclarées pour l’API, les poids ou l’auto-hébergement.
02 / FICHE TECHNIQUE
Limites et intégration
| ID d’API | voxtral-mini-transcribe-realtime-3-0 |
|---|---|
| Type de modèle | Voix et audio |
| Mode d’accès | Propriétaire payant |
| Licence | Propriétaire |
| Déploiement | API hébergée |
| Lancement | 20 OCT 2026 |
| Date limite des connaissances | Non publié |
| Entrée | Audio |
| Sortie | Texte |
| Fenêtre contextuelle | Session audio par WebSocket |
| puissance maximale | Texte transcrit |
| Raisonnement | Non publié |
| Outils publiés | |
| Sorties structurées | Non publié |
| Traitement par lots | Non publié |
| Cache de prompts | Non publié |
| Ajustement fin | Non publié |
| Plateformes vérifiées | API Mistral |
Sous-titres en direct et interfaces vocales nécessitant du texte incrémental. La configuration est envoyée avant le premier audio ; la modifier ensuite provoque une erreur. Les réglages de latence acceptent des valeurs entières de 80 à 1 200 ms ou 2 400 ms, pas n’importe quelle valeur intermédiaire. Il s’agit d’options du modèle, pas d’une garantie de latence totale du réseau et de l’application.
Vérifiez les reconnexions, les pertes audio et la fin de tour avant d’automatiser des actions. Les 45 langues et dialectes proviennent du guide spécifique, plus récent que les décomptes généraux de l’annonce. Ne confondez pas détection des locuteurs et identification biométrique. L’audio peut contenir des données personnelles : limitez la conservation et l’accès, informez les personnes et vérifiez les erreurs dans les environnements bruyants.
03 / CAPACITÉS
Ce qu’il peut faire
Orientation
Sous-titres en direct et interfaces vocales nécessitant du texte incrémental. La configuration est envoyée avant le premier audio ; la modifier ensuite provoque une erreur. Les réglages de latence acceptent des valeurs entières de 80 à 1 200 ms ou 2 400 ms, pas n’importe quelle valeur intermédiaire. Il s’agit d’options du modèle, pas d’une garantie de latence totale du réseau et de l’application.
Contexte
Session audio par WebSocket · Texte transcrit
Outils et intégration
Non publié
Accès
API Mistral
Modalités d’entrée
Audio
04 / TARIFS
Coût documenté
| Concept | Valeur | Unité/état |
|---|---|---|
| Entrée standard | 0,008 USD / min | Tarif API standard |
| Entrée en cache | Non publié | Lecture de préfixes réutilisés |
| Écriture ou stockage de cache | Non publié | La condition varie selon le fournisseur |
| Sortie standard | Inclus dans le tarif audio | Peut inclure des tokens de raisonnement |
| Entrée par lots | Non publié | Traitement asynchrone |
| Sortie par lots | Non publié | Traitement asynchrone |
Tarifs publics en dollars par minute d’audio ou par million de caractères, selon la variante ; il ne s’agit pas de prix par jeton. Les champs numériques par million de jetons restent vides afin d’éviter les fausses comparaisons. Confirmez les conditions de facturation et la disponibilité avant l’intégration. Le déploiement privé d’entreprise nécessite un accord spécifique ; aucun poids téléchargeable de ces variantes n’a été publié.
i Les prix changent et peuvent dépendre du niveau, de la région ou de la durée du contexte. Vérifiez la source avant de prendre une décision.
05 / ÉVALUATIONS
Comment lire les résultats
“
L’annonce décrit une évaluation FLEURS sur un sous-ensemble de 35 langues, avec le CER pour le japonais, le coréen et le chinois. Cet ensemble d’évaluation n’équivaut pas à la couverture linguistique totale déclarée. Nous n’avons pas vérifié les scores par langue ni reproduit les résultats. Comparez la précision, la stabilité des résultats partiels, la détection des tours de parole et la latence de bout en bout avec les mêmes enregistrements.
i Évaluation du fournisseur ; scores numériques non vérifiés par Inferama.
Inferama ne met en évidence un « meilleur résultat » que lorsque la métrique, l'ensemble de test, la configuration et la date permettent une comparaison équivalente. Les chiffres du fournisseur sont présentés comme des affirmations provenant de sa propre source.
06 / VERSIONS
Chronologie
Voxtral Mini Transcribe Realtime 3
Version intégrée au catalogue vérifié d’Inferama.
ANALYSE
Analyses connexes
07 / SOURCES