Mistral lança os modelos Voxtral 3 de fala para texto e de texto para fala e um SDK para agentes de voz

Registro de arquivo: cobre um fato de 20 de outubro de 2026, e o publicamos em 8 de novembro de 2026. As informações vêm de fontes daquela data e podem ter mudado desde então.

Em 20 de outubro de 2026, a Mistral AI lançou a família Voxtral 3: os modelos de transcrição Small, Mini e Realtime, um modelo de texto para fala Mini e um SDK de agentes de voz criado sobre o LiveKit. O lançamento apareceu no feed de notícias da Mistral.

O que o Voxtral 3 incluía

• A Mistral descreveu o Small Transcribe 3 como um modelo de ponta (state of the art) em transcrição multilíngue, diarização, viés de contexto (context biasing) e detecção de fim de turno em 50 idiomas, incluindo os 24 idiomas oficiais da UE, e disse que ele superava o Whisper, o Scribe v2 e o Gemini 3.5 Transcribe.
• O Mini Transcribe 3 tinha 4 bilhões de parâmetros, e o Realtime Transcribe 3 tinha latência abaixo de 500 ms em mais de 35 idiomas.
• O Mini TTS 3 cobria mais de 35 idiomas e mais de 50 dialetos a US$ 13 por milhão de caracteres, com clonagem de voz a partir de mais de 30 minutos de áudio de amostra, adaptação Pro Voice a partir de 30 minutos de áudio e vozes predefinidas em 18 idiomas.
• O SDK de agentes de voz era criado sobre o LiveKit e concluía cada turno em menos de um segundo. Ele lidava com SIP e WebRTC, com chamadas de função, busca na web e recuperação (retrieval), e oferecia interfaces de telefonia, de navegador e de áudio personalizado.
• Os preços de transcrição eram de US$ 0,0035/min para o Mini Transcribe 3 em lote, US$ 0,008/min para o Mini Transcribe Realtime 3 e US$ 0,0040/min para o Small Transcribe 3. Os agentes de voz custavam US$ 0,04/min com o Mistral Small 4 e US$ 0,08/min com um modelo maior.
• Os IDs dos modelos eram voxtral-small-transcribe-3-0, voxtral-mini-transcribe-3-0, voxtral-mini-transcribe-realtime-3-0 e voxtral-mini-tts-3-0, todos em Public Preview.

O que isso significa para quem constrói com IA

Quem desenvolvia aplicativos de voz podia obter transcrição a partir de US$ 0,0035 por minuto e uma solução de agentes de voz com resposta em menos de um segundo, tudo de um mesmo fornecedor. A família cobria fala para texto, texto para fala e um SDK de agentes com interfaces de telefonia, de navegador e de áudio personalizado, então as peças principais de um produto de voz vinham do mesmo fornecedor.

Disponibilidade e fontes

Os quatro modelos estavam em Public Preview na API da Mistral, por endpoints europeus, americanos e globais, e a Mistral também oferecia a implantação própria. Há mais detalhes no anúncio do Voxtral 3 e no changelog da Mistral.

Fontes

• Mistral Blog (Mistral AI, 20 de outubro de 2026, oficial)
• Voxtral 3: Speech-to-Text, TTS & Voice Agents | Mistral (Mistral AI, oficial)
• Changelog | Mistral Docs (Mistral AI, 20 de outubro de 2026, oficial)

Escrito com ajuda de IA, apenas a partir das fontes listadas acima. Antes de ir ao ar, verificações automáticas conferiram as datas, as fontes e todas as versões de idioma.