Voxtral 3 : Mistral muscle la transcription et la voix, français et arabe compris
Mistral publie une nouvelle famille de modèles vocaux : transcription, synthèse vocale et kit pour construire des agents qui parlent. Les prix se comptent en fractions de centime par minute.
Le 20 octobre 2026, Mistral AI a publié Voxtral 3, une famille de modèles pour la voix. Elle couvre trois besoins : transformer l’audio en texte, transformer le texte en voix, et assembler les deux dans un agent vocal.
Ce qu’il y a dans la boîte
La transcription. Voxtral Small Transcribe 3 vise la meilleure précision, dans plus de 50 langues. Il sait dire qui parle et quand (la diarisation), et accepte une liste de mots-clés ou un texte de contexte pour mieux reconnaître les noms propres et le vocabulaire métier, sans réentraînement. Voxtral Mini Transcribe 3 traite les fichiers par lots à 0,0035 dollar la minute. La version temps réel, Mini Transcribe Realtime 3, annonce une latence sous 500 millisecondes pour 0,008 dollar la minute.
La synthèse vocale. Voxtral Mini TTS 3 lit un texte à voix haute, en lot ou en temps réel, pour 13 dollars le million de caractères. On peut régler l’émotion, le rythme et l’insistance. Parmi les voix proposées figurent le français de France et l’arabe, en version émiratie et standard moderne. La darija n’est pas citée. Une offre de clonage de voix, Pro Voice, part d’une demi-heure d’enregistrement.
Le kit d’agents vocaux. Construit sur LiveKit, il enchaîne écoute, raisonnement, appel d’outils et réponse parlée, et se raccorde au téléphone (SIP) ou au web (WebRTC). On peut changer de modèle, de voix ou de langue sans réécrire l’agent.
Pour qui, au Maroc
Trois usages concrets pour une PME ou une agence :
- transcrire les réunions et les entretiens clients, avec les intervenants séparés, puis en tirer un compte rendu ;
- produire des versions audio de contenus en français ou en arabe standard, pour une formation interne ou un message d’accueil ;
- prototyper un standard téléphonique qui répond aux questions simples et passe la main à un humain.
Ce qu’il faut tester vous-même
Les modèles s’utilisent par l’API de Mistral, avec des points d’accès en Europe, aux États-Unis et global, et peuvent être auto-hébergés après contact avec l’équipe commerciale. Testez la transcription sur vos propres enregistrements, avec vos accents et votre jargon : c’est là que la qualité se juge, pas sur les graphiques de l’éditeur. Et pour le clonage de voix, ne clonez que des voix dont vous avez l’accord écrit.
