Mistral lanceert Voxtral 3 voor spraak en voice agents

Mistral heeft maandag Voxtral 3 uitgebracht, een nieuwe reeks spraakmodellen die gesproken taal omzetten naar tekst en tekst weer naar spraak. Het Parijse bedrijf levert er een SDK bij waarmee ontwikkelaars telefonische voice agents bouwen. Volgens de aankondiging van Mistral zijn de modellen direct beschikbaar via Europese, Amerikaanse en wereldwijde API-endpoints.

Vier modellen, elk met een eigen prijs

Voxtral Small Transcribe 3 is het batchmodel voor transcriptie. Het herkent meer dan 50 talen, houdt sprekers uit elkaar en accepteert vooraf een lijst met vaktermen of productnamen (context biasing). Een minuut audio kost 0,4 dollarcent. Het kleinere Voxtral Mini Transcribe 3 telt 4 miljard parameters en kost 0,35 cent per minuut, schrijft FourWeekMBA.

Voor live gesprekken is er Voxtral Mini Transcribe Realtime 3. Dat model levert volgens Mistral in ruim 35 talen binnen 500 milliseconden tekst, voor 0,8 cent per minuut. De andere kant van het gesprek verzorgt Voxtral Speech 3, dat 35 talen en meer dan 50 dialecten spreekt. Ontwikkelaars kunnen emotie en tempo bijsturen. Een eigen stem namaken kan met een half uur opgenomen audio. De prijs is 13 dollar per miljoen tekens. OpenRouter meldde op X dat de modellen ook via zijn platform te gebruiken zijn.

Benchmarks komen van Mistral zelf

Mistral claimt dat het Small-model op de meertalige FLEURS-test (45 talen) beter scoort dan Whisper, Scribe v2 van ElevenLabs en Gemini 3.5 Transcribe. Bij het uit elkaar houden van sprekers noteert het bedrijf een foutpercentage (cpWER) van 18,4 procent. Microsoft AI Transcribe 2 komt in dezelfde grafiek uit op 20,3 procent, Scribe v2 op 23,0 procent en Gemini 3.5 Transcribe op 38,4 procent. De vorige generatie, Voxtral Mini Transcribe 2, haalde 30,9 procent.

Die cijfers zijn niet onafhankelijk gecontroleerd. De vergelijkingen voor spraaksynthese zijn interne tests waarbij een Gemini-model als jury optrad, merkt FourWeekMBA op. Wie de modellen wil vergelijken met ElevenLabs v4, doet er goed aan zelf te testen met eigen opnames.

Een agent die je kunt onderbreken

De voice-agent-SDK is gebouwd op het opensourceframework LiveKit. Het realtime transcriptiemodel luistert en voorspelt wanneer de beller is uitgesproken. Een taalmodel, in het voorbeeld van Mistral is dat Mistral Small 4, bedenkt het antwoord en roept zo nodig externe systemen aan. Voxtral Speech 3 spreekt het antwoord uit. Elke beurt duurt volgens Mistral minder dan een seconde, en de agent houdt zijn mond zodra de beller ertussen komt.

Telefoontjes lopen via SIP, gesprekken in browsers en apps via WebRTC. Elk onderdeel is los te vervangen, dus een bedrijf kan een ander taalmodel of een andere stem inpluggen zonder de agent opnieuw te bouwen. De voice-agent-API kost 4 cent per minuut met Mistral Small 4 en 8 cent met een ander redeneermodel.

Wat betekent dit

Voor Nederlandse organisaties is vooral de Europese verwerking interessant. Audio kan binnen de EU blijven of op eigen servers draaien, en klanten bepalen zelf of opnames bewaard worden. Dat scheelt discussie met de privacyfunctionaris bij klantenservice of gemeentelijke telefoonlijnen.

Mistral stapt wel een drukke markt in. Microsoft bracht begin oktober al spraakmodellen voor realtime voice agents uit, en Alibaba en Google verlaagden eerder de prijs van AI-stemmen. Ook de concurrentie van open modellen weegt: zoekmachine Ecosia stapte onlangs over van Mistral naar Chinese open modellen. Of de Voxtral 3-gewichten vrij beschikbaar komen, vermeldt Mistral niet. Wie de hele stack op eigen hardware wil draaien, moet contact opnemen met sales, en een prijs daarvoor ontbreekt nog. Na Timestral voor tijdreeksvoorspellingen is dit de tweede nieuwe productlijn van Mistral in twee dagen.