Mistral: Voxtral Mini Transcribe 3

Mistral Voxtral Mini Transcribe 3 es un modelo de voz a texto de Mistral, publicado por el proveedor el 20 de octubre de 2026. Se sitúa en la categoría de transcripción y es el miembro compacto de la línea de transcripción Voxtral de Mistral, lo que lo convierte en la opción a considerar cuando se desea el reconocimiento de voz de Mistral sin un modelo más grande. Su id de modelo en api14 es mistralai/voxtral-mini-transcribe-3-0.

El modelo acepta audio como su única modalidad de entrada y devuelve una transcripción como su única salida. Dos características destacan en la propia transcripción: marcas de tiempo y diarización de hablantes, de modo que la salida puede indicar cuándo se dijo algo y quién lo dijo. También admite el sesgo de contexto para términos de dominio, lo que permite orientar el reconocimiento hacia vocabulario como nombres de productos, jerga o nombres propios que un modelo general podría oír mal. La ventana de contexto es de 65.536 tokens, y la salida máxima es de 52.428 tokens.

Esas capacidades apuntan a un conjunto bastante específico de tareas. La transcripción de reuniones y llamadas es la más evidente, ya que la diarización separa a los participantes y las marcas de tiempo permiten alinear la transcripción con una grabación. La transcripción de entrevistas sigue el mismo patrón. El sesgo de contexto hace que el modelo encaje mejor en audio especializado, por ejemplo notas clínicas, procedimientos legales, charlas técnicas o llamadas de atención al cliente donde aparece con frecuencia terminología interna. Dado que la salida es una transcripción y no un resumen o una respuesta, normalmente se pasaría el resultado a un modelo de texto independiente si se necesita resumen, extracción o indexación de búsqueda posteriormente.

Se llama al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo mistralai/voxtral-mini-transcribe-3-0, enviando audio como entrada. El modelo no indica ningún parámetro compatible, así que no hay ajustes de muestreo o decodificación que configurar en la solicitud; mantén tus llamadas a la forma estándar de transcripción y confía en los valores predeterminados del modelo. Si necesitas influir en el reconocimiento de términos específicos, para eso está el sesgo de contexto y no un parámetro de solicitud.

Lo principal que hay que sopesar es el alcance. Este es un modelo de transcripción con entrada de audio y salida de transcripción únicamente, así que no responderá preguntas sobre el audio, no traducirá en un paso separado ni generará texto más allá de la transcripción. Si tu carga de trabajo es texto en lugar de voz, o necesitas un modelo que razone sobre el contenido que recibe, un modelo de texto general es la mejor opción. Dentro del trabajo de voz a texto, Voxtral Mini Transcribe 3 encaja mejor cuando se desean marcas de tiempo, diarización y sesgo de términos de dominio en un modelo Mistral compacto.