Uso primário declarado ou inferido com cautela a partir da documentação oficial.
M
MISTRAL / voxtral-mini-transcribe-realtime-3-0
Voxtral Mini Transcribe Realtime 3
Transcritor de áudio em streaming apresentado pela Mistral em 20 de outubro de 2026. O guia atual enumera 45 idiomas e dialetos. Utiliza WebSocket, entrega texto incremental e adiciona detecção de fim de turno, etiquetas de falante e context_bias. Não gera voz nem compartilha automaticamente as capacidades offline de Small. O identificador versionado permite distingui-lo dos aliases que podem mudar de versão.
01 / RESUMO
O essencial
Capacidade máxima de entrada quando publicada pela fonte.
Limite máximo de geração documentado.
Canais de disponibilidade verificados.
Família funcional principal e especialidades verificadas.
Condições declaradas para API, pesos ou alojamento próprio.
02 / FICHA TÉCNICA
Limites e integração
| ID de API | voxtral-mini-transcribe-realtime-3-0 |
|---|---|
| Tipo de modelo | Voz e áudio |
| Modelo de acesso | Proprietário pago |
| Licença | Proprietária |
| Implantação | API alojada |
| Lançamento | 20 OCT 2026 |
| Data de corte do conhecimento | Não publicado |
| Entrada | Áudio |
| Saída | Texto |
| Janela de contexto | Sessão de áudio por WebSocket |
| saída máxima | Texto transcrito |
| Raciocínio | Não publicado |
| Ferramentas publicadas | |
| Passeios Estruturados | Não publicado |
| Processamento em lote | Não publicado |
| Cache de prompts | Não publicado |
| Ajuste fino | Não publicado |
| Plataformas verificadas | Mistral API |
Legendas ao vivo e interfaces de voz que precisam de texto incremental. A configuração é enviada antes do primeiro áudio; modificá-la depois produz um erro. Os ajustes de latência admitem valores inteiros de 80 a 1.200 ms ou 2.400 ms, não qualquer valor intermediário. São opções do modelo, não uma garantia de latência total de rede e aplicação.
Verifique reconexões, áudio perdido e fim de turno antes de automatizar ações. Os 45 idiomas e dialetos provêm do guia específico, mais recente que as contagens gerais do anúncio. Não confunda detecção de falantes com identificação biométrica. O áudio pode conter dados pessoais: limite retenção e acesso, informe as pessoas e revise erros em ambientes ruidosos.
03 / CAPACIDADES
O que pode fazer
Orientação
Legendas ao vivo e interfaces de voz que precisam de texto incremental. A configuração é enviada antes do primeiro áudio; modificá-la depois produz um erro. Os ajustes de latência admitem valores inteiros de 80 a 1.200 ms ou 2.400 ms, não qualquer valor intermediário. São opções do modelo, não uma garantia de latência total de rede e aplicação.
Contexto
Sessão de áudio por WebSocket · Texto transcrito
Ferramentas e integração
Não publicado
Acesso
Mistral API
Modalidades de entrada
Áudio
04 / PREÇOS
Custo documentado
| Conceito | Valor | Unidade/condição |
|---|---|---|
| Entrada padrão | 0,008 USD / min | Tarifa padrão da API |
| Entrada em cache | Não publicado | Leitura de prefixos reutilizados |
| Escrita ou armazenamento em cache | Não publicado | A condição varia consoante o fornecedor |
| Saída padrão | Incluído na tarifa de áudio | Pode incluir tokens de raciocínio |
| Entrada por lotes | Não publicado | Processamento assíncrono |
| Saída por lotes | Não publicado | Processamento assíncrono |
Tarifas públicas em dólares por minuto de áudio ou por milhão de caracteres, conforme a variante; não são preços por tokens. Os campos numéricos por milhão de tokens ficam em branco para evitar comparações falsas. Confirme condições de faturamento e disponibilidade antes de integrar. A implantação privada empresarial requer acordo específico; não foram publicados pesos baixáveis dessas variantes.
i Os preços mudam e podem depender do nível, região ou duração do contexto. Verifique a fonte antes de tomar uma decisão.
05 / AVALIAÇÕES
Como ler os resultados
“
O anúncio descreve uma avaliação FLEURS sobre um subconjunto de 35 idiomas, com CER para japonês, coreano e chinês. Esse conjunto de avaliação não equivale à cobertura linguística total declarada. Não verificamos pontuações por idioma nem reproduzimos os resultados. Compare precisão, estabilidade de parciais, detecção de turnos e latência de ponta a ponta com as mesmas gravações.
i Avaliação do fornecedor; pontuações numéricas não verificadas pela Inferama.
O Inferama só destaca o “melhor resultado” quando a métrica, o conjunto de testes, a configuração e a data permitem uma comparação equivalente. Os números do fornecedor são apresentados como declarações de sua própria fonte.
06 / VERSÕES
Cronologia
Voxtral Mini Transcribe Realtime 3
Versão incorporada no catálogo verificado da Inferama.
ANÁLISE
Análises relacionadas
07 / FONTES