Voxtral 3 est la nouvelle famille de modèles vocaux de Mistral AI, lancée le 20 octobre 2026. Elle réunit trois modèles de transcription (plus de 50 langues), un modèle de synthèse vocale (plus de 35 langues et 50 dialectes) facturé 13 $ le million de caractères, et un SDK pour créer des agents vocaux. Elle se pose en alternative à ElevenLabs, avec un prix plus bas sur le papier. En revanche, elle reste en préversion publique, accessible uniquement par API, et sans poids ouverts annoncés à ce jour.
Qu’est-ce que Voxtral 3 ?
Voxtral est la gamme audio de Mistral AI, l’entreprise française d’intelligence artificielle. La première version est sortie en juillet 2025. Ensuite, Mistral a ajouté Voxtral Transcribe 2 en février 2026, puis Voxtral TTS en mars 2026. Avec Voxtral 3, l’entreprise franchit une nouvelle étape : elle propose désormais une chaîne complète pour construire un assistant vocal qui écoute, réfléchit et répond à voix haute.
Les modèles de Voxtral 3
| Modèle | Rôle | Prix |
|---|---|---|
| Voxtral Small Transcribe 3 | Transcription la plus précise, identification des locuteurs, vocabulaire personnalisé, détection de fin de parole | 0,0040 $ / min |
| Voxtral Mini Transcribe 3 (4B) | Transcription par lot, plus légère | 0,0035 $ / min |
| Voxtral Mini Transcribe Realtime 3 | Transcription en temps réel, latence sous 500 ms | 0,008 $ / min |
| Voxtral Speech 3 (Mini TTS 3) | Synthèse vocale, 35+ langues, 50+ dialectes | 13 $ / million de caractères |
| SDK d’agents vocaux (LiveKit) | Écoute, raisonnement, outils et réponse vocale en un seul flux | Environ 0,04 $ / min avec Mistral Small 4 |
Les trois modèles de transcription couvrent plus de 50 langues. Par ailleurs, ils sont disponibles sur les points d’accès européen, américain et mondial de Mistral.
Ce qui change depuis Voxtral TTS
Voxtral TTS, sorti en mars 2026, gérait 9 langues pour 16 $ le million de caractères. Voxtral Speech 3 passe à plus de 35 langues et 50 dialectes, pour 13 $ le million. De plus, le modèle adapte désormais l’émotion, le rythme et l’accent au contexte de la conversation. En revanche, Mistral est moins ouvert qu’en mars : l’annonce de Voxtral 3 ne mentionne aucun poids téléchargeable.
Voxtral Speech 3 : ce que le modèle sait faire
- Un large choix de langues : plus de 35 langues et plus de 50 dialectes.
- Une voix qui suit le contexte : le ton, le rythme et l’accent changent selon la conversation.
- Un SDK d’agents vocaux : les développeurs peuvent changer le modèle de raisonnement, la voix ou la langue sans tout réécrire.
- Un hébergement européen : l’API propose un point d’accès en Europe, ce qui compte pour la protection des données.
Voxtral 3 : une alternative à ElevenLabs ?
| Critère | Voxtral Speech 3 | ElevenLabs |
|---|---|---|
| Langues | 35+ (50+ dialectes) | 32 à plus de 70 selon le modèle |
| Prix API (1 000 caractères) | 0,013 $ | 0,05 $ (Flash, Turbo) et 0,10 $ (Multilingual v2 et v3) |
| Transcription | Oui, 3 modèles | Oui (Scribe) |
| Agents vocaux | SDK sur LiveKit | Oui |
| Poids ouverts | Non annoncés | Non |
| Statut | Préversion publique | Plateforme mature, avec éditeur et doublage |
Sur le papier, Voxtral coûte donc plusieurs fois moins cher. Cependant, ElevenLabs fait évoluer ses modèles et ses tarifs régulièrement (Eleven v4 est sorti avec des prix promotionnels). Consultez donc la page officielle des tarifs API d’ElevenLabs avant de comparer.
Données officielles ou tests indépendants ? Mistral affirme que Voxtral Speech 3 coûte moins cher que OpenAI TTS-1, Deepgram, ElevenLabs Flash et Gemini Flash, et ses graphiques de performance viennent de l’entreprise elle-même. En revanche, un classement indépendant relayé par la presse tech place Voxtral Small Transcribe 3 à la 3e place en transcription, et Voxtral 3 TTS dans le top 12 des deux arènes de synthèse vocale. C’est encourageant, mais le meilleur test reste le vôtre : écoutez les deux avec le même texte.
Les limites à connaître
- Préversion publique : les modèles sont récents, donc les retours d’expérience manquent encore.
- API uniquement : aucun poids ouvert n’est annoncé, et le déploiement sur vos serveurs passe par l’équipe commerciale de Mistral.
- Clonage de voix : Voxtral TTS le proposait en mars. Vérifiez sa disponibilité dans Voxtral 3 avant de vous engager.
- Écosystème : ElevenLabs offre une plateforme plus complète pour les créateurs, avec éditeur, doublage et grande bibliothèque de voix.
Pour qui Voxtral 3 est-il utile ?
Voxtral 3 s’adresse d’abord aux développeurs et aux entreprises qui construisent des assistants vocaux ou des standards téléphoniques, surtout s’ils veulent une solution européenne. Il intéresse aussi les créateurs qui cherchent une voix off bon marché via API. À l’inverse, si vous voulez un outil clé en main avec éditeur et doublage, ElevenLabs reste plus simple.
Notre avis sur Voxtral 3
Voxtral 3 est une arrivée sérieuse sur le marché de la voix IA, surtout par son prix. À 13 $ le million de caractères, la synthèse vocale coûte plusieurs fois moins cher que les tarifs API affichés par ElevenLabs. De plus, la prise en charge de plus de 35 langues et l’hébergement européen sont de vrais atouts.
Cependant, nous ne conseillons pas de tout migrer dès maintenant. Le modèle reste en préversion publique, il passe uniquement par l’API et l’écosystème d’outils est encore limité. Pour un créateur de vidéos qui veut simplement générer une voix off, ElevenLabs garde donc l’avantage en simplicité.
Notre recommandation : testez Voxtral 3 sur un script court, comparez le rendu avec votre outil actuel, puis décidez. Si la qualité vous convient, l’économie peut devenir importante sur un grand nombre de vidéos. Pour comparer d’autres solutions, consultez aussi notre guide sur la voix off IA pour TikTok et YouTube.
Comment tester Voxtral 3
- Mistral Studio : les terrains de jeu permettent d’essayer la transcription et la voix dans le navigateur.
- L’API Mistral : elle donne accès au modèle
voxtral-mini-tts-3-0et aux modèles de transcription, sur les points d’accès européen, américain ou mondial. Toutes les infos sont sur la page officielle de Voxtral 3.
FAQ
Qu’est-ce que Voxtral 3 ?
C’est la famille de modèles vocaux lancée par Mistral AI le 20 octobre 2026. Elle comprend trois modèles de transcription, un modèle de synthèse vocale et un SDK pour les agents vocaux.
Combien coûte Voxtral 3 ?
La transcription coûte de 0,0035 à 0,008 $ la minute selon le modèle. La synthèse vocale coûte 13 $ le million de caractères.
Voxtral 3 parle-t-il français ?
Oui. Le modèle de synthèse gère plus de 35 langues et 50 dialectes, dont le français.
Voxtral 3 est-il open source ?
Pas à ce jour. L’annonce ne mentionne aucun poids téléchargeable. Voxtral TTS, sorti en mars, avait des poids ouverts sous licence non commerciale.
Voxtral 3 est-il une bonne alternative à ElevenLabs ?
Pour des voix off ou des assistants vocaux à petit budget, c’est une option sérieuse. Néanmoins, ElevenLabs reste plus mature, avec plus d’outils autour du modèle.
Conclusion
Voxtral 3 montre que Mistral prend la voix très au sérieux. Les prix sont bas, les langues sont nombreuses et l’hébergement européen est un vrai argument. Toutefois, la préversion et l’absence de poids ouverts invitent à rester prudent. Testez donc Voxtral et ElevenLabs avec le même texte avant de choisir.
Comments are closed.