Mistral lancia Voxtral 3, un sistema di AI vocale per oltre 50 lingue

L'azienda francese di AI Mistral ha lanciato Voxtral 3, una nuova famiglia di modelli vocali e un software development kit (SDK) per agenti vocali progettato per costruire sistemi di conversazione basati su AI in tempo reale che possono ascoltare, ragionare, parlare e agire. Il componente di trascrizione copre oltre 50 lingue, mentre il componente text-to-speech supporta oltre 35 lingue e 50+ dialetti.

Il lancio include due modelli vocali principali insieme a un toolkit per gli sviluppatori. Il modello di trascrizione, chiamato Voxtral Small Transcribe 3, si occupa delle funzioni da voz a testo. Il modello text-to-speech, Voxtral Mini TTS 3, genera output vocale dal suono naturale che può variare emozione, ritmo ed enfasi a seconda della conversazione.

Secondo quanto riferito, il modello Small raggiunge risultati state-of-the-art nel riconoscimento vocale multilingue e nella diarizzazione — il compito di identificare chi ha parlato e quando. Svolge anche benchmark migliori rispetto ai modelli precedenti di OpenAI (Whisper), Google (Gemini 3.5 Transcribe) e Scribe (Scribe v2), secondo il company ¹. La variante Mini, con 4 miliardi di parametri, è tariffata a $0.0035 al minuto di audio .

Una caratteristica chiave è il context biasing, che consente agli sviluppatori di alimentare il modello con termini chiave o vocabolario tecnico prima dell'inizio della trascrizione. Questo aiuta il sistema a riconoscere parole specifiche del dominio senza bisogno di essere riaddestrato, afferma Mistral ¹.

L'SDK per agenti vocali è ciò che lega insieme l'intero sistema. Combina ascolto, ragionamento attraverso un modello linguistico collegato, chiamata a strumenti come calendari o database, e risposta vocale all'utente — il tutto in un'unica pipeline streaming che funziona in tempo reale. Mistral posiziona il sistema per l'uso nei contact center, assistenti virtuali e copililoti hands-free ¹.

Per la clonazione vocale professionale, Mistral ha introdotto Pro Voice, che può riprodurre tono distintivo e gamma emotiva di un parlante in diverse lingue utilizzando solo 30 minuti di audio registrato ¹.

Come altri prodotti Mistral, Voxtral 3 è offerto attraverso l'API ospitata nell'Unione Europea dell'azienda oppure può essere auto-deployed sui server della propria azienda. Questo offre alle organizzazioni il controllo su dove vengono elaborati i dati audio e se le conversazioni vengono memorizzate ¹.

Mistral, fondata nel 2023 da ricercatori ex-Meta, è cresciuta fino a diventare una delle principali aziende di AI in Europa. Conta ASML, il costruttore olandese di attrezzature per semiconduttori, tra i propri investitori ². La linea precedente di prodotti dell'azienda includeva modelli linguistici di grandi dimensioni come Mistral Large e il sistema OCR di Mistral, ma Voxtral 3 segna il primo grande passo verso la tecnologia dedicata alla voce e agli agenti vocali .

Cos'è successo:

• Corretto il 12 novembre 2026. Una versione precedente affermava che Voxtral 3 potesse operare in oltre 50 lingue, ma la fonte ha chiarito che solo il componente di trascrizione copre oltre 50 lingue, mentre il TTS supporta oltre 35 lingue e oltre 50 dialetti. Una versione precedente citava anche una valutazione di 24,7 miliardi di dollari per Mistral, priva di supporto da nessuna fonte; la versione rivista ha omesso tale affermazione non verificata. Una versione precedente sosteneva che sia la trascrizione sia la sintesi vocale supportassero oltre 50 lingue, ma la fonte afferma che la trascrizione supporta oltre 50 lingue mentre il TTS supporta nello specifico oltre 35 lingue e oltre 50 dialetti.

I fatti principali

• Voxtral 3 supporta la trascrizione in oltre 50 lingue; la sintesi vocale copre oltre 35 lingue e oltre 50 dialetti
• Il modello Small Transcribe batte sistemi precedenti di OpenAI, Google e Scribe nei benchmark
• Il contestual biasing permette al modello di gestire il vocabolario tecnico senza nuova formazione
• Il clonaggio vocale Pro funziona con sole 30 minuti di audio
• Disponibile tramite l'API ospitata nell'UE di Mistral o l'autodeploy

Perché conta:

Parole da sapere:

-

Fonti

1. Voxtral 3: Voice Agent SDK & Speech Models in 50+ Languages
2. Mistral AI — en.wikipedia.org

Guarda

▶ Watch on YouTube