Mistral lança o Voxtral 3 com agentes de voz em 50 idiomas

Transcrição supera rivais segundo dados da empresa

O modelo Voxtral Small Transcribe 3 cobre 50 idiomas, incluindo as 24 línguas oficiais da União Europeia e dialetos asiáticos e indianos com pouca presença em bases de dados. O software identifica quem fala em cada trecho por diarização e usa termos técnicos prévios para evitar erros de interpretação em vocabulários especializados. A resposta sai sem atraso. Em seus relatórios, a Mistral afirma que a tecnologia supera os modelos Whisper, Scribe v2 e Gemini 3.5 Transcribe nas tarefas de diarização e transcrição em inglês, francês e espanhol.

Para a saída falada, a empresa desenhou o modelo Voxtral Mini TTS 3, que cobre 35 línguas e mais de 50 dialetos regionais. A voz muda com o contexto. O gerador ajusta emoção, velocidade e ênfase conforme a conversa evolui entre o usuário e a máquina. Para demandas profissionais que dispensam vozes genéricas, a ferramenta Pro Voice reproduz o estilo e as variações emotivas de um operador humano a partir de 30 minutos de áudio gravado.

O pacote de desenvolvimento articula escuta, raciocínio e execução de rotinas corporativas durante ligações telefônicas ou contatos diretos em páginas da web. Em demonstração prática, uma paciente chamada Béatrice telefona para marcar uma consulta médica e fornece um número de encaminhamento emitido pelo Dr. Martin, da Clinique du Parc. O assistente virtual consulta a agenda clínica, reserva o horário para uma terça-feira às 17h45 e promete enviar os detalhes em inglês após ler a guia redigida em francês. O sistema opera sem travar o diálogo.

Empresa cobra por minuto e permite hospedar em servidor próprio

A Mistral liberou o produto para uso imediato em sua interface de programação sediada na União Europeia e em arquivos para instalação em servidores próprios dos compradores. O modelo Voxtral Mini, voltado para transcrição rápida com 4 bilhões de parâmetros, custa US$ 0,0035 por minuto de gravação tratada. A implantação local permite que hospitais, bancos e órgãos públicos processem áudio internamente para cumprir exigências estritas de proteção e descarte de arquivos sonoros. O cliente define onde guarda as gravações.

O anúncio traz números chamativos, mas apoia todas as vantagens de desempenho em testes comparativos realizados exclusivamente pelos engenheiros da própria fabricante francesa. A documentação oficial não traz medições independentes de latência sob volume pesado de acessos simultâneos nem especifica os requisitos de hardware para a instalação autônoma. A empresa também não divulgou os valores cobrados pelas etapas de raciocínio do agente e de síntese de voz no serviço de nuvem. O sistema precisa provar estabilidade fora dos testes.