Mistral lanza un nuevo modelo de audio AI llamado Voxtral

Mistral ha anunciado el lanzamiento de un nuevo modelo de audio AI llamado Voxtral. La empresa francesa de IA declaró que el modelo está orientado a empresas y se considera la primera familia de modelos de lenguaje grande (LLM) centrada en el audio AI.

Según la empresa francesa de IA, Voxtral está diseñado para ofrecer inteligencia de voz práctica en aplicaciones del mundo real. El modelo de audio AI supera a Whisper large-v3, que es uno de los mejores modelos de transcripción de audio de código abierto.

Voxtral está impulsado por Mistral Small 3.1

Voxtral está impulsado por el modelo de lenguaje grande (LLM) Mistral Small 3.1. El modelo de audio AI puede entender múltiples idiomas, como inglés, francés, español, portugués, italiano, alemán, neerlandés, hindi y más.

El modelo de audio es capaz de transcribir hasta 30 minutos de audio. Además, Voxtral puede entender hasta 40 minutos de audio, lo que facilita a los usuarios conversar y hacer preguntas relevantes. Los usuarios también pueden pedirle que genere resúmenes de texto del archivo de audio o proporcione análisis e ideas detalladas. También pueden ejecutar otras acciones, como ejecutar funciones a través de una llamada API.

Mistral ofrece los “modelos de comprensión de voz” de Voxtral en dos variantes llamadas Voxtral Small y Voxtral Mini. Ambos modelos son capaces de interactuar con prompts basados en voz o una combinación de prompts de audio y texto.

El modelo más potente de los dos, Voxtral Small, cuenta con 24B de parámetros, ideal para implementaciones a escala de producción. Mistral escribió que “Voxtral Small es competitivo con GPT-4o-mini y Gemini 2.5 Flash en todas las tareas”.

Voxtral Mini es una opción más ligera con 3B de parámetros, lo que lo convierte en una opción sólida para implementaciones locales y de borde. Su versión API, Voxtral Mini Transcribe, no solo es rentable, sino que también supera a Whisper de OpenAI, a menos de la mitad del precio.

Tanto Voxtral Small (24B) como Voxtral Mini (3B) están disponibles para descargar y alojar localmente desde Hugging Face. Los desarrolladores también pueden integrar los modelos de audio mediante una única llamada API en cualquier aplicación. Los precios comienzan en 0,001 dólares por minuto, lo que hace que la transcripción sea escalable. Mistral declaró que Voxtral estará disponible en Le Chat en la aplicación web o móvil dentro de las próximas semanas.

Mistral es una de las principales empresas de inteligencia artificial en Europa. Según los informes, la empresa, fundada en 2023, ha recaudado más de 1.000 millones de euros (aproximadamente 1.200 millones de dólares) de empresas conocidas como Andreessen Horowitz, Nvidia, Samsung y Salesforce.