Mistral lance Voxtral 3 et Timestral : audio, transcription et prévisions temporelles

4 min de lecture

Mistral lance Voxtral 3 et Timestral : audio, transcription et prévisions temporelles

Mistral a présenté deux nouveaux modèles spécialisés : Voxtral 3, dédié à la transcription et à la synthèse vocale, et Timestral, destiné aux séries temporelles et aux prévisions. Le premier renforce l’offre audio de l’entreprise, le second ouvre une nouvelle famille de LLM pour la prévision sans réentraînement.

Voxtral 3 : transcription et synthèse vocale

Voxtral 3 succède au modèle Voxtral lancé en juillet 2025, premier modèle audio de Mistral présenté comme plus performant et moins cher que les solutions concurrentes. La gamme comprend quatre modèles :

– Small Transcribe 3 : transcription groupée, précision accrue, 50 langues, facturation à 0,004 $ la minute.
– Mini Transcribe 3 : 4 milliards de paramètres, 0,0035 $ la minute.
– Mini Transcribe Realtime 3 : transcription en direct avec une latence annoncée de moins de 500 ms, 0,008 $ la minute.
– Voxtral Speech 3 (ou Mini TTS 3.0) : synthèse vocale couvrant plus de 35 langues et 50 dialectes, tarif de 13 $ le million de caractères.

Mistral souligne que le SDK d’agents locaux Voxtral 3, construit sur LiveKit, intègre dans un même pipeline l’écoute, le raisonnement, l’appel d’outils et la parole. L’entreprise définit quatre capacités essentielles pour un agent vocal fiable : écouter avec précision, raisonner en profondeur, parler naturellement et agir en plusieurs étapes. Le SDK vise à répondre à ces exigences, même si un fonctionnement fiable et en temps réel « reste un défi ».

Parmi les caractéristiques annoncées, on retrouve la prosodie, le rythme, le débit, l’accentuation et les transitions pour « sonner naturellement », une performance avancée en diarisation et la prise en charge de biais contextuels permettant d’orienter la transcription avec des termes clés et du texte libre. Les modèles peuvent également prédire la fin d’un tour de parole grâce à des informations acoustiques et sémantiques. Mistral affirme que les performances sont « à l’état de l’art », dépassant notamment le modèle Whisper d’OpenAI. Le coût d’un agent complet est de 0,04 $ la minute avec le modèle Small et de 0,08 $ avec un modèle de raisonnement plus avancé. L’accès se fait via l’API de Mistral ou sur l’infrastructure du client. Les quatre modèles sont en préversion publique ; la taille du modèle Small n’est pas précisée et aucun poids ouvert n’a encore été publié. Artificial Analysis a confirmé les performances revendiquées.

Timestral : prévisions sur séries temporelles

Le 15 octobre, Mistral a lancé Timestral, premier modèle d’une nouvelle famille de LLM dédiée aux séries temporelles – ensembles de mesures datées provenant de capteurs, de consommations, de flux financiers, etc. Timestral est disponible en quatre tailles : 5, 28, 123 et 209 millions de paramètres.

Le modèle peut générer des prévisions sans réentraînement sur des données spécifiques, fournir une fourchette d’incertitude avec 21 quantiles et accepter jusqu’à 32 768 pas d’historique. Il est capable de traiter plusieurs séries liées simultanément et d’intégrer des facteurs connus à l’avance, tels que les calendriers de production ou les prévisions météo.

Timestral fonctionne sans carte graphique. Selon Mistral, le temps de calcul pour prévoir une journée varie de 10 à 140 ms selon la taille du modèle, sur un « CPU de serveur standard avec 8 threads », en se basant sur trois semaines d’historique à un pas de 15 minutes. Comme pour les modèles audio, une taille plus importante augmente la précision mais rallonge le temps de calcul.

Le code source est publié sous licence Apache 2.0. Les poids, en revanche, sont soumis à une licence MIT modifiée qui exclut les entreprises dont le chiffre d’affaires mensuel consolidé dépasse 20 millions de dollars ; ces dernières doivent obtenir une licence commerciale ou recourir aux services hébergés de Mistral. En dessous de ce seuil, l’utilisation de Timestral est gratuite.

Source : NEXT