Mistral rilascia un nuovo modello audio AI chiamato Voxtral

Mistral ha annunciato il rilascio di un nuovo modello audio AI chiamato Voxtral. L'azienda francese di AI ha dichiarato che il modello è orientato verso le aziende ed è considerato la prima famiglia di modelli linguistici di grandi dimensioni (LLM) focalizzata sull'audio AI.

Secondo l'azienda francese di AI, Voxtral è progettato per fornire intelligenza pratica del parlato in applicazioni del mondo reale. Il modello audio AI supera Whisper large-v3, che è uno dei migliori modelli di trascrizione audio open-source.

Voxtral è alimentato da Mistral Small 3.1

Voxtral è alimentato dal modello linguistico di grandi dimensioni (LLM) Mistral Small 3.1. Il modello audio AI può comprendere più lingue, come inglese, francese, spagnolo, portoghese, italiano, tedesco, olandese, hindi e altro ancora.

Il modello audio è in grado di trascrivere fino a 30 minuti di audio. Inoltre, Voxtral può comprendere fino a 40 minuti di audio, il che rende facile per gli utenti conversare e porre domande pertinenti. Gli utenti possono anche chiedergli di generare riassunti testuali del file audio o fornire analisi e approfondimenti dettagliati. Possono anche eseguire altre azioni, come eseguire funzioni tramite una chiamata API.

Mistral offre i “modelli di comprensione del parlato” di Voxtral in due varianti chiamate Voxtral Small e Voxtral Mini. Entrambi i modelli sono in grado di interagire con prompt basati sul parlato o una combinazione di prompt audio e basati sul testo.

Il modello più potente dei due, Voxtral Small, presenta 24B di parametri—ideale per deploy su scala di produzione. Mistral ha scritto che “Voxtral Small è competitivo con GPT-4o-mini e Gemini 2.5 Flash in tutti i compiti.”

Voxtral Mini è un'opzione più leggera con 3B di parametri, rendendolo una scelta forte per deploy locali e edge. La sua versione API, Voxtral Mini Transcribe, non solo è conveniente ma supera anche Whisper di OpenAI—a meno della metà del prezzo.

Sia Voxtral Small (24B) che Voxtral Mini (3B) sono disponibili per il download e l'hosting locale da Hugging Face. Gli sviluppatori possono anche integrare i modelli audio tramite una singola chiamata API in qualsiasi applicazione. Il prezzo parte da 0,001 $ al minuto, rendendo la trascrizione scalabile. Mistral ha dichiarato che Voxtral sarà disponibile su Le Chat nell'app web o nell'app mobile entro le prossime settimane.

Mistral è una delle principali aziende di intelligenza artificiale in Europa. Secondo i rapporti, l'azienda, fondata nel 2023, ha raccolto oltre 1 miliardo di euro (circa 1,2 miliardi di dollari) da aziende note come Andreessen Horowitz, Nvidia, Samsung e Salesforce.