Uso primario dichiarato o dedotto con cautela dalla documentazione ufficiale.
M
MISTRAL / voxtral-mini-transcribe-realtime-3-0
Voxtral Mini Transcribe Realtime 3
Trascrittore audio in streaming presentato da Mistral il 20 ottobre 2026. La guida attuale elenca 45 lingue e dialetti. Utilizza WebSocket, fornisce testo incrementale e aggiunge il rilevamento della fine del turno, etichette del parlante e context_bias. Non genera voce né condivide automaticamente le capacità offline di Small. L’identificatore versionato permette di distinguerlo dagli alias che possono cambiare versione.
01 / RIEPILOGO
L'essenziale
Capacità di input massima quando pubblicata dalla fonte.
Limite massimo di generazione documentato.
Canali di disponibilità verificati.
Famiglia funzionale principale e specialità verificate.
Condizioni dichiarate per API, pesi o distribuzione autonoma.
02 / SCHEDA TECNICA
Limiti e integrazione
| ID API | voxtral-mini-transcribe-realtime-3-0 |
|---|---|
| Tipo di modello | Voce e audio |
| Modalità di accesso | Proprietario a pagamento |
| Licenza | Proprietaria |
| Distribuzione | API ospitata |
| Rilascio | 20 OCT 2026 |
| Cutoff della conoscenza | Non pubblicato |
| Entrata | Audio |
| Uscita | Testo |
| Finestra di contesto | Sessione audio tramite WebSocket |
| rendimento massimo | Testo trascritto |
| Ragionamento | Non pubblicato |
| Strumenti pubblicati | |
| Uscite strutturate | Non pubblicato |
| Elaborazione batch | Non pubblicato |
| Cache dei prompt | Non pubblicato |
| Fine-tuning | Non pubblicato |
| Piattaforme verificate | Mistral API |
Sottotitoli in diretta e interfacce vocali che necessitano di testo incrementale. La configurazione viene inviata prima del primo audio; modificarla in seguito genera un errore. Le impostazioni di latenza accettano valori interi da 80 a 1.200 ms o 2.400 ms, non qualsiasi valore intermedio. Sono opzioni del modello, non una garanzia sulla latenza totale di rete e applicazione.
Verifica riconnessioni, audio perso e fine del turno prima di automatizzare le azioni. Le 45 lingue e i dialetti provengono dalla guida specifica, più recente dei conteggi generali dell’annuncio. Non confondere il rilevamento dei parlanti con l’identificazione biometrica. L’audio può contenere dati personali: limita la conservazione e l’accesso, informa le persone e verifica gli errori in ambienti rumorosi.
03 / CAPACITÀ
Cosa può fare
Orientamento
Sottotitoli in diretta e interfacce vocali che necessitano di testo incrementale. La configurazione viene inviata prima del primo audio; modificarla in seguito genera un errore. Le impostazioni di latenza accettano valori interi da 80 a 1.200 ms o 2.400 ms, non qualsiasi valore intermedio. Sono opzioni del modello, non una garanzia sulla latenza totale di rete e applicazione.
Contesto
Sessione audio tramite WebSocket · Testo trascritto
Strumenti e integrazione
Non pubblicato
Accesso
Mistral API
Modalità di input
Audio
04 / PREZZI
Costo documentato
| Concetto | Di valore | Unità/condizione |
|---|---|---|
| Input standard | 0,008 USD / min | Tariffa API standard |
| Input in cache | Non pubblicato | Lettura di prefissi riutilizzati |
| Scrittura o archiviazione della cache | Non pubblicato | La condizione varia in base al fornitore |
| Output standard | Incluso nella tariffa audio | Può includere token di ragionamento |
| Input batch | Non pubblicato | Elaborazione asincrona |
| Output batch | Non pubblicato | Elaborazione asincrona |
Tariffe pubbliche in dollari per minuto di audio o per milione di caratteri, a seconda della variante; non sono prezzi per token. I campi numerici per milione di token sono lasciati vuoti per evitare confronti fuorvianti. Conferma le condizioni di fatturazione e la disponibilità prima dell’integrazione. La distribuzione privata aziendale richiede un accordo specifico; non sono stati pubblicati pesi scaricabili di queste varianti.
i I prezzi cambiano e possono dipendere dal livello, dalla regione o dalla durata del contesto. Controlla la fonte prima di prendere una decisione.
05 / VALUTAZIONI
Come leggere i risultati
“
L’annuncio descrive una valutazione FLEURS su un sottoinsieme di 35 lingue, con CER per giapponese, coreano e cinese. Questo insieme di valutazione non equivale alla copertura linguistica totale dichiarata. Non abbiamo verificato i punteggi per lingua né riprodotto i risultati. Confronta precisione, stabilità dei parziali, rilevamento dei turni e latenza end-to-end usando le stesse registrazioni.
i Valutazione del fornitore; punteggi numerici non verificati da Inferama.
Inferama evidenzia un "miglior risultato" solo quando la metrica, il set di test, la configurazione e la data consentono un confronto equivalente. I dati del fornitore sono presentati come affermazioni provenienti dalla propria fonte.
06 / VERSIONI
Cronologia
Voxtral Mini Transcribe Realtime 3
Versione inclusa nel catalogo verificato di Inferama.
ANALISI
Analisi correlate
07 / FONTI