Modelo de transcripción en tiempo real de Mistral, pensado para agentes de voz: transcribe en streaming con latencia configurable entre 80 y 2.400 milisegundos e incluye detección de fin de turno, sesgo por contexto y diarización en una misma sesión.
¿Por qué importa? La detección de fin de turno combina señales acústicas y de significado para saber cuándo ha terminado de hablar el usuario, lo que permite agentes de voz que responden sin esperas y con menos interrupciones.
Disponible en vista previa pública por la API de Mistral y para despliegue en infraestructura propia. Se lanzó junto a Voxtral Small Transcribe 3, Voxtral Mini Transcribe 3 y Voxtral TTS 3, que tienen su propia ficha en Modelos al día.
Más de 35 idiomas · latencia inferior a medio segundo · 0,008 $ por minuto de audio.
