Mistral: Voxtral Mini Transcribe 3

Mistral Voxtral Mini Transcribe 3 est un modèle de reconnaissance vocale de Mistral, publié par le fournisseur le 20 octobre 2026. Il appartient à la catégorie transcription et constitue le membre compact de la gamme de transcription Voxtral de Mistral, ce qui en fait l'option à envisager lorsque vous souhaitez la reconnaissance vocale de Mistral sans un modèle plus volumineux. Son identifiant de modèle sur api14 est mistralai/voxtral-mini-transcribe-3-0.

Le modèle accepte l'audio comme seule modalité d'entrée et renvoie une transcription comme seule sortie. Deux fonctionnalités se distinguent dans la transcription elle-même : les horodatages et la diarisation des locuteurs, de sorte que la sortie peut vous indiquer quand quelque chose a été dit et qui l'a dit. Il prend également en charge le biais contextuel pour les termes métier, ce qui vous permet d'orienter la reconnaissance vers un vocabulaire tel que des noms de produits, du jargon ou des noms propres qu'un modèle général pourrait mal entendre. La fenêtre de contexte est de 65 536 tokens, et la sortie maximale est de 52 428 tokens.

Ces capacités correspondent à un ensemble de tâches assez spécifiques. La transcription de réunions et d'appels est l'évidence, puisque la diarisation sépare les participants et les horodatages vous permettent d'aligner la transcription avec un enregistrement. La transcription d'entretiens suit le même schéma. Le biais contextuel rend le modèle plus adapté aux audio spécialisés, par exemple les notes cliniques, les procédures juridiques, les conférences techniques ou les appels de support client où la terminologie interne apparaît souvent. Comme la sortie est une transcription plutôt qu'un résumé ou une réponse, vous transmettez généralement le résultat à un modèle de texte distinct si vous avez besoin en aval de résumé, d'extraction ou d'indexation pour la recherche.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle mistralai/voxtral-mini-transcribe-3-0, en envoyant l'audio comme entrée. Le modèle ne liste aucun paramètre pris en charge, il n'y a donc aucun réglage d'échantillonnage ou de décodage à ajuster dans la requête ; gardez vos appels dans la forme standard de transcription et fiez-vous aux valeurs par défaut du modèle. Si vous devez influencer la reconnaissance de termes spécifiques, c'est à cela que sert le biais contextuel plutôt qu'un paramètre de requête.

Le principal point à évaluer est la portée. Il s'agit d'un modèle de transcription avec entrée audio et sortie de transcription uniquement, il ne répondra donc pas aux questions sur l'audio, ne traduira pas dans une étape séparée et ne générera pas de texte au-delà de la transcription. Si votre charge de travail est du texte plutôt que de la parole, ou si vous avez besoin d'un modèle qui raisonne sur le contenu qu'il reçoit, un modèle de texte général est le meilleur choix. Dans le cadre du travail de reconnaissance vocale, Voxtral Mini Transcribe 3 convient le mieux lorsque vous souhaitez des horodatages, la diarisation et le biais de termes métier dans un modèle Mistral compact.