Mistral: Voxtral Small Transcribe 3

Mistral : Voxtral Small Transcribe 3 est un modèle de reconnaissance vocale de Mistral, référencé sur api14 dans la catégorie transcription. Il est décrit comme le modèle de transcription phare de Mistral, et sa date de publication par le fournisseur est le 20 octobre 2026. Si votre travail consiste à transformer de la parole enregistrée en texte écrit, c'est la famille de modèles à examiner en premier chez ce fournisseur.

Le modèle accepte l'audio comme seule modalité d'entrée et renvoie une transcription en sortie. Selon la description du fournisseur, la transcription inclut des horodatages et la diarisation des locuteurs, ce qui vous donne à la fois le moment où quelque chose a été dit et une indication de qui l'a dit. Il prend également en charge le biais contextuel, qui vous permet d'orienter la reconnaissance vers un vocabulaire spécifique à un domaine. La fenêtre de contexte est de 65 536 tokens, et la sortie maximale est de 52 428 tokens, ce qui constitue un plafond élevé pour une seule tâche de transcription.

Ces capacités renvoient à un ensemble d'usages assez précis. Les enregistrements de réunions et d'appels sont un cas d'usage évident, car les horodatages et la diarisation permettent de produire des comptes rendus lisibles ou de revenir aux propos d'un locuteur particulier. La transcription d'entretiens bénéficie des deux mêmes fonctionnalités, puisque vous pouvez séparer l'intervieweur de l'interviewé sans découpage manuel. Le biais contextuel compte dans les contextes techniques, médicaux, juridiques ou autrement spécialisés, où les noms, les acronymes et le jargon sont courants et où la reconnaissance générique tend à se tromper. Tout flux de travail nécessitant une version texte consultable et alignée dans le temps d'une archive audio peut être bâti sur ce modèle.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "mistralai/voxtral-small-transcribe-3-0". Comme l'interface suit le format OpenAI, vous pouvez pointer un client OpenAI existant vers api14 et envoyer l'audio dans la requête plutôt que de réécrire votre intégration. La liste des paramètres pris en charge par le modèle est vide, il n'y a donc aucune option de réglage supplémentaire à définir au-delà de ce que le point de terminaison accepte lui-même ; limitez votre requête aux champs standard et laissez le modèle gérer la transcription. Le tableau des tarifs en direct sur cette page couvre ce que vous payez à l'usage.

Un point à peser est la portée. Ce modèle est conçu uniquement pour la transcription, avec de l'audio en entrée et du texte en sortie, il n'est donc pas le bon choix pour le chat, le raisonnement, l'image ou la génération de texte générale ; choisissez un modèle généraliste ou multimodal pour ces tâches. Il n'expose pas non plus de paramètres réglables, donc si vous avez besoin d'un contrôle fin du comportement de décodage, vérifiez si un autre modèle de transcription sur api14 le propose. Pour de la reconnaissance vocale simple avec horodatages, diarisation et biais de vocabulaire, c'est un choix direct.