Mistral veröffentlicht ein neues KI-Audio-Modell namens Voxtral

Mistral hat die Veröffentlichung eines neuen KI-Audio-Modells namens Voxtral angekündigt. Das französische KI-Unternehmen erklärte, dass das Modell auf Unternehmen ausgerichtet ist und als die erste Familie von Large Language Models (LLMs) gilt, die sich auf Audio-KI konzentriert.

Laut dem französischen KI-Unternehmen ist Voxtral darauf ausgelegt, praktische Sprachintelligenz in realen Anwendungen zu liefern. Das KI-Audio-Modell übertrifft Whisper large-v3, eines der besten Open-Source-Audio-Transkriptionsmodelle.

Voxtral wird von Mistral Small 3.1 angetrieben

Voxtral wird vom Large Language Model (LLM) Mistral Small 3.1 angetrieben. Das Audio-KI-Modell kann mehrere Sprachen verstehen, wie Englisch, Französisch, Spanisch, Portugiesisch, Italienisch, Deutsch, Niederländisch, Hindi und mehr.

Das Audio-Modell ist in der Lage, bis zu 30 Minuten Audio zu transkribieren. Darüber hinaus kann Voxtral bis zu 40 Minuten Audio verstehen, was es für Nutzer einfach macht, zu konversieren und relevante Fragen zu stellen. Nutzer können es auch bitten, Textzusammenfassungen der Audiodatei zu erstellen oder Analysen und detaillierte Einblicke zu liefern. Sie können auch andere Aktionen ausführen, wie das Ausführen von Funktionen über einen API-Aufruf.

Mistral bietet „Sprachverständnismodelle“ von Voxtral in zwei Varianten namens Voxtral Small und Voxtral Mini an. Beide Modelle sind in der Lage, mit sprachbasierten Eingaben oder einer Kombination aus Audio- und textbasierten Eingaben zu interagieren.

Das leistungsstärkere der beiden Modelle, Voxtral Small, verfügt über 24 Milliarden Parameter – ideal für Bereitstellungen im Produktionsmaßstab. Mistral schrieb, dass „Voxtral Small in allen Aufgaben mit GPT-4o-mini und Gemini 2.5 Flash wettbewerbsfähig ist.“

Voxtral Mini ist eine leichtgewichtige Option mit 3 Milliarden Parametern, was es zu einer starken Wahl für lokale und Edge-Bereitstellungen macht. Seine API-Version, Voxtral Mini Transcribe, ist nicht nur kosteneffektiv, sondern übertrifft auch Whisper von OpenAI – und das zum weniger als halben Preis.

Sowohl Voxtral Small (24B) als auch Voxtral Mini (3B) können von Hugging Face heruntergeladen und lokal gehostet werden. Entwickler können die Audio-Modelle auch über einen einzigen API-Aufruf in jede Anwendung integrieren. Die Preise beginnen bei 0,001 US-Dollar pro Minute, was die Transkription skalierbar macht. Mistral gab an, dass Voxtral in den nächsten paar Wochen in der Web-App oder der mobilen App auf Le Chat verfügbar sein wird.

Mistral ist eines der führenden künstlichen Intelligenz-Unternehmen in Europa. Berichten zufolge hat das 2023 gegründete Unternehmen über 1 Milliarde Euro (rund 1,2 Milliarden US-Dollar) von bekannten Firmen wie Andreessen Horowitz, Nvidia, Samsung und Salesforce eingesammelt.