Modelo principal de transcripción de voz a texto de Mistral, con identificación de hablantes (diarización), sesgo por contexto con palabras clave y detección de fin de turno. También admite traducción, preguntas sobre el audio, resumen y llamadas a funciones.
¿Por qué importa? Según Mistral, supera en transcripción multilingüe y diarización a Whisper large-v3, GPT Transcribe, Scribe v2 y Gemini 3.5 Transcribe, también en español, y amplía el soporte a más de 50 idiomas, incluidas las 24 lenguas oficiales de la UE.
Disponible en vista previa pública por la API de Mistral (alojada en la UE, EE. UU. o global) y para despliegue en infraestructura propia. Forma parte de la familia Voxtral 3, lanzada junto a Voxtral Mini Transcribe 3, Voxtral Mini Transcribe Realtime 3 y Voxtral TTS 3, cada uno con su propia ficha en Modelos al día.
Más de 50 idiomas · contexto de 32.000 tokens · 0,004 $ por minuto de audio.
