Mistral: Voxtral Mini Transcribe 3

O Mistral Voxtral Mini Transcribe 3 é um modelo de conversão de fala em texto da Mistral, lançado pelo fornecedor em 20 de outubro de 2026. Situa-se na categoria de transcrição e é o membro compacto da linha de transcrição Voxtral da Mistral, o que o torna a opção a considerar quando se pretende o reconhecimento de fala da Mistral sem um modelo maior. O seu id de modelo em api14 é mistralai/voxtral-mini-transcribe-3-0.

O modelo aceita áudio como a sua única modalidade de entrada e devolve uma transcrição como a sua única saída. Duas funcionalidades destacam-se na própria transcrição: carimbos temporais e diarização de oradores, pelo que a saída pode indicar quando algo foi dito e quem o disse. Também suporta enviesamento de contexto para termos de domínio, o que permite orientar o reconhecimento para vocabulário como nomes de produtos, jargão ou nomes próprios que um modelo geral pode ouvir incorretamente. A janela de contexto é de 65 536 tokens, e a saída máxima é de 52 428 tokens.

Estas capacidades apontam para um conjunto bastante específico de tarefas. A transcrição de reuniões e chamadas é a mais óbvia, uma vez que a diarização separa os participantes e os carimbos temporais permitem alinhar a transcrição com uma gravação. A transcrição de entrevistas segue o mesmo padrão. O enviesamento de contexto torna o modelo mais adequado para áudio especializado, por exemplo notas clínicas, processos judiciais, palestras técnicas ou chamadas de apoio ao cliente onde a terminologia interna aparece com frequência. Como a saída é uma transcrição e não um resumo ou uma resposta, normalmente passaria o resultado a um modelo de texto separado se precisar de sumarização, extração ou indexação para pesquisa a jusante.

Chama o modelo através da API compatível com OpenAI do api14 usando o id de modelo mistralai/voxtral-mini-transcribe-3-0, enviando áudio como entrada. O modelo não lista parâmetros suportados, pelo que não há opções de amostragem ou descodificação para ajustar no pedido; mantenha as suas chamadas na forma padrão de transcrição e confie nos valores predefinidos do modelo. Se precisar de influenciar o reconhecimento de termos específicos, é para isso que serve o enviesamento de contexto e não um parâmetro do pedido.

O principal aspeto a ponderar é o âmbito. Este é um modelo de transcrição com entrada de áudio e saída apenas de transcrição, pelo que não responderá a perguntas sobre o áudio, não traduzirá num passo separado nem gerará texto para além da transcrição. Se a sua carga de trabalho for texto em vez de fala, ou se precisar de um modelo que raciocine sobre o conteúdo que recebe, um modelo de texto geral é a melhor escolha. Dentro do trabalho de conversão de fala em texto, o Voxtral Mini Transcribe 3 encaixa melhor quando se pretende carimbos temporais, diarização e enviesamento de termos de domínio num modelo Mistral compacto.