Mistral、Voxtralという名前の新しいAI音声モデルをリリース

Mistralは、Voxtralという名前の新しい音声AIモデルのリリースを発表しました。 フランスのAI企業は、このモデルが企業向けに設計されており、音声AIに焦点を当てた最初の大型言語モデル（LLM）ファミリーと見なされていると述べています。

フランスのAI企業によると、Voxtralは現実のアプリケーションで実用的な音声知能を提供するように設計されています。このAI音声モデルは、トップクラスのオープンソース音声トランスクリプションモデルの一つであるWhisper large-v3を上回ります。

VoxtralはMistral Small 3.1によって駆動されています

Voxtralは大型言語モデル（LLM）のMistral Small 3.1によって駆動されています。この音声AIモデルは、英語、フランス語、スペイン語、ポルトガル語、イタリア語、ドイツ語、オランダ語、ヒンディー語など、複数の言語を理解できます。

音声モデルは最大30分間の音声をトランスクリプションできます。さらに、Voxtralは最大40分間の音声を理解できるため、ユーザーは会話を行い、関連する質問を簡単に投げかけることができます。ユーザーは、音声ファイルのテキスト要約を生成したり、分析や詳細な洞察を提供したりすることもできます。また、API呼び出しを通じて関数を実行するなど、他のアクションを実行することもできます。

Mistralは、Voxtral SmallとVoxtral Miniと呼ばれる2つのバリエーションでVoxtralの「音声理解モデル」を提供します。両方のモデルは、音声ベースのプロンプト、または音声とテキストベースのプロンプトの組み合わせと対話することができます。

2つのモデルのうちより強力なVoxtral Smallは、24Bのパラメータを特徴とし、本番環境でのデプロイメントに理想的です。Mistralは書きました、「Voxtral Smallは、すべてのタスクにおいてGPT-4o-miniおよびGemini 2.5 Flashと競争力があります。」

Voxtral Miniは、3Bのパラメータを持つ軽量オプションであり、ローカルおよびエッジデプロイメントに強力な選択肢となります。そのAPIバージョンであるVoxtral Mini Transcribeは、コスト効果が高いだけでなく、OpenAIのWhisperを上回り、価格は半分以下です。

Voxtral Small（24B）とVoxtral Mini（3B）の両方が、Hugging Faceからダウンロードおよびローカルホスティング可能です。開発者は、単一のAPI呼び出しを通じて、任意のアプリケーションに音声モデルを統合することもできます。価格は1分あたり0.001ドルから始まり、トランスクリプションのスケーラビリティを実現します。Mistralは、Voxtralが今後数週間でWebアプリまたはモバイルアプリのLe Chatで利用可能になると述べています。

Mistralはヨーロッパを代表する人工知能企業の一つです。報告によると、2023年に設立されたこの企業は、Andreessen Horowitz、Nvidia、Samsung、Salesforceなどの既知の企業から10億ユーロ（約12億ドル）以上を集めています。