Mistral lança novo modelo de áudio com IA chamado Voxtral

A Mistral anunciou o lançamento de um novo modelo de IA de áudio chamado Voxtral. A empresa francesa de IA afirmou que o modelo é voltado para empresas e é considerado a primeira família de modelos de linguagem grandes (LLMs) focada em IA de áudio.

De acordo com a empresa francesa de IA, o Voxtral foi projetado para fornecer inteligência de fala prática em aplicações do mundo real. O modelo de áudio de IA supera o Whisper large-v3, que é um dos principais modelos de transcrição de áudio de código aberto.

O Voxtral é alimentado pelo Mistral Small 3.1

O Voxtral é alimentado pelo modelo de linguagem grande (LLM) Mistral Small 3.1. O modelo de IA de áudio pode entender vários idiomas, como inglês, francês, espanhol, português, italiano, alemão, holandês, hindi e outros.

O modelo de áudio é capaz de transcrever até 30 minutos de áudio. Além disso, o Voxtral pode compreender até 40 minutos de áudio, o que facilita para os usuários conversarem e fazerem perguntas relevantes. Os usuários também podem pedir que ele gere resumos de texto do arquivo de áudio ou forneça análises e insights detalhados. Eles também podem executar outras ações, como executar funções por meio de uma chamada de API.

A Mistral oferece os "modelos de compreensão de fala" do Voxtral em duas variações chamadas Voxtral Small e Voxtral Mini. Ambos os modelos são capazes de interagir com prompts baseados em fala ou uma combinação de prompts de áudio e texto.

O mais poderoso dos dois modelos, o Voxtral Small, possui 24B de parâmetros — ideal para implantações em escala de produção. A Mistral escreveu que "o Voxtral Small é competitivo com o GPT-4o-mini e o Gemini 2.5 Flash em todas as tarefas."

O Voxtral Mini é uma opção mais leve com 3B de parâmetros, tornando-o uma escolha sólida para implantações locais e de borda. Sua versão de API, o Voxtral Mini Transcribe, não só é econômica, mas também supera o Whisper da OpenAI — a menos da metade do preço.

Tanto o Voxtral Small (24B) quanto o Voxtral Mini (3B) estão disponíveis para download e hospedagem local no Hugging Face. Os desenvolvedores também podem integrar os modelos de áudio via uma única chamada de API em qualquer aplicação. O preço começa em $0,001 por minuto, tornando a transcrição escalável. A Mistral afirmou que o Voxtral estará disponível no Le Chat no aplicativo web ou móvel nas próximas semanas.

A Mistral é uma das principais empresas de inteligência artificial da Europa. Segundo relatórios, a empresa, fundada em 2023, arrecadou mais de €1 bilhão (aproximadamente $1,2 bilhão) de empresas conhecidas como Andreessen Horowitz, Nvidia, Samsung e Salesforce.