Mistral: Voxtral 3 ya habla catalán

Escucha, piensa y contesta

Mistral AI presentó el 20 de octubre Voxtral 3, modelos para pasar de la voz al texto y del texto a la voz, con un kit para montar agentes de voz. Según la empresa, la gama está pensada para centros de atención al cliente y asistentes virtuales.

Son cuatro modelos: tres transcriptores, uno de ellos en tiempo real, y Voxtral Speech 3, que pone la voz. El que Mistral presenta como más preciso, Voxtral Small Transcribe 3, distingue quién dijo qué y acepta de antemano los términos clave que debe acertar.

Mistral AI es una empresa francesa de IA con sede en París, fundada en 2023 por Arthur Mensch —su consejero delegado—, Guillaume Lample y Timothée Lacroix. Se financia con capital privado: en septiembre de 2026 cerró una serie D de 3.000 millones de euros liderada por Samsung Electronics. ASML, el fabricante neerlandés de máquinas de litografía para chips, lideró la serie C de 2025 y quedó entonces con alrededor del 11 % del capital totalmente diluido.

El catalán entra por las pruebas, no por Bruselas

Mistral dice que su transcripción admite 50 idiomas, «incluidas las 24 lenguas oficiales de la UE», sin publicar la lista. El catalán, que no es oficial en la Unión, consta por otra vía: figura, con el castellano, en los 45 idiomas de la prueba FLEURS con los que Mistral compara su transcriptor y en los 35 del de tiempo real.

En la voz, sin rodeos: la biblioteca de Voxtral 3 para Europa empieza por inglés, francés, español y catalán, y las voces predefinidas, listas para usar sin grabar nada, existen en 18 idiomas, dos de ellos «Catalan» y «Spanish (Spain)».

Lo que cuesta cada pieza

Mistral cobra la transcripción por minuto de audio, la voz por caracteres y el agente por minuto de conversación, el doble si razona con otro modelo que no sea Mistral Small 4.

Según la empresa, Voxtral Speech 3 sale más barato que OpenAI TTS-1, Deepgram, ElevenLabs Flash —de la empresa de voz sintética ElevenLabs— y Gemini Flash, de Google.

Un empate en su propio gráfico

Según Mistral, Voxtral Small Transcribe 3 supera a Whisper, de OpenAI; a Scribe v2, de la empresa de voz sintética ElevenLabs, y a Gemini 3.5 Transcribe, de Google. La nota no subraya que, en su propio gráfico, Microsoft AI Transcribe 2 comete el mismo error medio.

Mistral reproduce además el índice de error de Artificial Analysis, una empresa independiente de evaluación de modelos, y en él su transcriptor queda tercero, detrás de Fun-Realtime-ASR-preview y del de Microsoft. Son los valores que reproduce Mistral en su nota.

En voz, todas las pruebas de Mistral —una de ellas diseñada por la empresa BeSimple AI— las puntúa como juez Gemini 3.8 Flash, un modelo de Google. En la multilingüe, Eleven v4, de ElevenLabs, saca algo más de nota que Voxtral Speech 3, aunque cuesta varias veces más, según los precios que recoge Mistral. Con números y nombres propios, ElevenLabs gana con claridad; Voxtral queda primero en pronunciación de palabras raras o inventadas.

Un agente que contesta al teléfono, sin descarga

El kit de agentes está construido sobre LiveKit, una plataforma para desarrolladores de agentes de voz y vídeo que nació como proyecto de código abierto para videoconferencias. Entre sus inversores figura Mati Staniszewski, consejero delegado de ElevenLabs.

Según Mistral, el agente encadena tres modelos: uno escucha y detecta cuándo ha terminado de hablar el cliente, otro, como Mistral Small, razona y usa herramientas, y Voxtral Speech 3 responde. Cada turno dura menos de un segundo y el agente se calla si le interrumpen. Atiende llamadas por SIP y funciona en navegadores por WebRTC.

Mistral lo vende como despliegue soberano: el cliente decide dónde se procesa el audio y si se guardan las conversaciones.

Lo que no hay es descarga. En Hugging Face, la plataforma donde Mistral publicaba sus modelos descargables, no hay ningún Voxtral 3. Las versiones anteriores sí están: la de julio de 2025, con Voxtral Small 24B bajo licencia Apache 2.0; la de tiempo real de febrero de 2026, también con Apache 2.0, y la de voz de marzo, con una licencia que no permite el uso comercial.

La documentación clasifica Voxtral Mini Transcribe 3 como «Public Preview» dentro de «Premier», la categoría de pago de Mistral. Voxtral 3 se usa por su API, con servidores en Europa, en Estados Unidos y globales, o en infraestructura propia si se acuerda con la empresa.