Mistral: Voxtral Mini Transcribe 3

Mistral Voxtral Mini Transcribe 3 è un modello speech-to-text di Mistral, rilasciato dal provider il 20 ottobre 2026. Si colloca nella categoria trascrizione ed è il membro compatto della linea di trascrizione Voxtral di Mistral, il che lo rende l'opzione da considerare quando si desidera il riconoscimento vocale di Mistral senza un modello più grande. Il suo model id su api14 è mistralai/voxtral-mini-transcribe-3-0.

Il modello accetta audio come unica modalità di input e restituisce una trascrizione come unico output. Due funzionalità si distinguono nella trascrizione stessa: timestamp e speaker diarization, così l'output può indicare quando qualcosa è stato detto e chi lo ha detto. Supporta anche il context biasing per termini di dominio, che consente di orientare il riconoscimento verso vocaboli come nomi di prodotti, gergo o nomi propri che un modello generale potrebbe fraintendere. La context window è di 65.536 token, e l'output massimo è di 52.428 token.

Queste capacità indicano un insieme piuttosto specifico di attività. La trascrizione di riunioni e chiamate è quella più ovvia, poiché la diarization separa i partecipanti e i timestamp permettono di allineare la trascrizione con una registrazione. La trascrizione di interviste segue lo stesso schema. Il context biasing rende il modello più adatto ad audio specialistici, per esempio note cliniche, procedimenti legali, talk tecnici o chiamate di customer support in cui compare spesso la terminologia interna. Poiché l'output è una trascrizione e non un riassunto o una risposta, in genere si passerebbe il risultato a un modello di testo separato se servono riassunto, estrazione o indicizzazione per la ricerca a valle.

Si chiama il modello tramite l'API compatibile con OpenAI di api14 usando il model id mistralai/voxtral-mini-transcribe-3-0, inviando l'audio come input. Il modello non elenca parametri supportati, quindi non ci sono opzioni di sampling o decoding da regolare nella richiesta; mantieni le chiamate nella forma standard di trascrizione e affidati ai valori predefiniti del modello. Se serve influenzare il riconoscimento di termini specifici, è a questo che serve il context biasing, non un parametro della richiesta.

L'aspetto principale da valutare è l'ambito. Questo è un modello di trascrizione con input audio e output solo trascrizione, quindi non risponderà a domande sull'audio, non tradurrà in un passaggio separato né genererà testo oltre la trascrizione. Se il tuo carico di lavoro è testo anziché parlato, o se ti serve un modello che ragioni sul contenuto che riceve, un modello di testo generale è la scelta migliore. Nell'ambito del lavoro speech-to-text, Voxtral Mini Transcribe 3 è più adatto quando si vogliono timestamp, diarization e domain term biasing in un modello Mistral compatto.