Nueva versión del modelo de texto a voz de Mistral, con voces que ajustan emoción, ritmo y énfasis según el contexto de la conversación, etiquetas de emoción y ritmo, control de pronunciación y clonación de voz, incluida una clonación profesional a partir de 30 minutos de audio.
¿Por qué importa? Según Mistral, interpreta el sentido del texto para elegir la emoción sin instrucciones adicionales y lee con más fiabilidad números, fechas y nombres poco comunes, a un precio menor que modelos comparables.
Disponible en vista previa pública por la API de Mistral, en modo por lotes y en tiempo real, y para despliegue en infraestructura propia. Se lanzó junto a los modelos de transcripción Voxtral Small Transcribe 3, Voxtral Mini Transcribe 3 y Voxtral Mini Transcribe Realtime 3, que tienen su propia ficha en Modelos al día.
Según Mistral, más de 35 idiomas y 50 dialectos · unos 90 milisegundos hasta el primer audio · 13 $ por millón de caracteres.
