# voxtral-mistral-ai-speech-understanding-2025-07-15

## Veille

Voxtral — modelli open source di comprensione vocale di Mistral AI: trascrizione multilingue, Q&A audio, licenza Apache 2.0 (mistral.ai)

## Titre Article

Voxtral | Mistral AI

## Date

2025-07-15

## URL

https://mistral.ai/news/voxtral

## Keywords

Voxtral, Mistral AI, comprensione vocale, open source, riconoscimento vocale, modelli linguistici, trascrizione, multilingue, Q&A, riassunto automatico, function-calling, AI, interfaccia vocale, Apache 2.0, modello 24B, Mini 3B

## Authors

Mistral AI

## Ton

**Profilo:** Lancio di prodotto tecnico | Istituzionale | Informativo-Promozionale | Esperto

Mistral AI adotta un tono da annuncio che posiziona Voxtral come un rilascio open source di rilievo nei modelli vocali. L'enfasi sulla licenza Apache 2.0 e sulle capacità multilingui si rivolge alla comunità open source. Il linguaggio tecnico preciso (modello 24B, Mini 3B, function-calling, Q&A) dimostra l'ampiezza delle capacità. Il tono sicuro e professionale è tipico di una startup europea di IA che si posiziona rispetto a OpenAI/Google. La struttura incentrata sulle capacità, con dettagli di disponibilità, facilita l'adozione da parte degli sviluppatori. Tipico dei lanci di prodotto dei laboratori di IA (stile Anthropic, Cohere) rivolti a una comunità di sviluppatori impegnata nell'open source con capacità di livello commerciale.

## Pense-betes

- **2 dimensioni**: variante 24B (produzione), Mini 3B (locale/edge), sotto **licenza Apache 2.0**
- **Accesso via API** + download open source
- **Colma il divario** tra ASR open source ad alto tasso di errore e costose API proprietarie
- **Accuratezza allo stato dell'arte** + comprensione semantica nativa a **meno della metà del prezzo** delle soluzioni proprietarie
- **Contesto lungo**: fino a **30-40 minuti di audio** (30 min trascrizione, 40 min comprensione)
- **Q&A e riassunto integrati**: interrogazione diretta dell'audio senza concatenare ASR + LLM
- **Nativamente multilingue**: rilevamento automatico della lingua, **8+ lingue** (inglese, spagnolo, francese, portoghese, hindi, tedesco, olandese, italiano)
- **Function-calling dalla voce**: intenzioni vocali → comandi di sistema azionabili
- **Voxtral Mini Transcribe**: **meno della metà del prezzo di OpenAI Whisper**, e lo supera
- **Voxtral Small eguaglia ElevenLabs Scribe** a **meno della metà del prezzo**
- **Benchmark**: supera Whisper large-v3, competitivo con GPT-4o mini Transcribe e Gemini 2.5 Flash
- **Roadmap**: diarizzazione dei parlanti, annotazioni audio (età, emozione), timestamp a livello di parola, riconoscimento di audio non vocale

## RésuméDe400mots

Mistral AI presenta **Voxtral**, una suite innovativa di modelli open source di comprensione vocale progettati per trasformare l'interazione uomo-macchina attraverso la voce. Considerando la voce come l'interfaccia originaria dell'umanità, Voxtral mira a superare i limiti dei sistemi attuali, siano essi inaffidabili o proprietari, offrendo strumenti vocali robusti, multilingui e profondamente intelligenti. I modelli sono disponibili in **due versioni**: una variante da 24B pensata per applicazioni su scala di produzione, e una variante più compatta da 3B, **Voxtral Mini**, adatta a deployment locali ed edge. Entrambe sono rilasciate con **licenza permissiva Apache 2.0** e accessibili tramite l'API di Mistral AI, con **Voxtral Mini Transcribe**, ottimizzato per la trascrizione, che offre un'efficienza costo/latenza senza pari.

**Architettura a due livelli e vantaggio di costo**

Voxtral si distingue colmando il divario tra i sistemi ASR open source con tassi di errore elevati e le costose API proprietarie. Offre **accuratezza allo stato dell'arte e comprensione semantica nativa** all'interno di un framework aperto, a **meno della metà del prezzo** delle soluzioni proprietarie comparabili. Questa efficienza di costo rende l'intelligenza vocale di alta qualità accessibile e controllabile su larga scala per un'ampia gamma di applicazioni.

**Capacità avanzate oltre la trascrizione**

I modelli offrono diverse capacità avanzate oltre la semplice trascrizione. Supportano **contesti audio lunghi**, fino a **30 minuti per la trascrizione e 40 minuti per la comprensione**, consentendo l'elaborazione completa di conversazioni o registrazioni estese. Una caratteristica distintiva: **Q&A e riassunto integrati**, che permettono di interrogare direttamente il contenuto audio o generare riassunti strutturati **senza concatenare modelli ASR e linguistici separati**. Voxtral è nativamente multilingue, con rilevamento automatico della lingua e prestazioni allo stato dell'arte su numerose lingue ampiamente utilizzate: **inglese, spagnolo, francese, portoghese, hindi, tedesco, olandese, italiano**. Consente inoltre il **function-calling direttamente dalla voce**, traducendo le intenzioni vocali degli utenti in comandi di sistema azionabili. I modelli mantengono le solide capacità di comprensione testuale del loro modello di base, il modello linguistico Mistral Small 3.1.

**Benchmark competitivi**

I risultati dei benchmark evidenziano le prestazioni superiori di Voxtral. **Supera complessivamente Whisper large-v3**, il modello open source di trascrizione di riferimento, e supera GPT-4o mini Transcribe e Gemini 2.5 Flash su vari task. **Voxtral Small raggiunge risultati allo stato dell'arte** su short-form inglese e Mozilla Common Voice, dimostrando solide capacità multilingui, e **eguaglia ElevenLabs Scribe** per casi d'uso premium a un costo significativamente ridotto. **Voxtral Mini Transcribe supera OpenAI Whisper a meno della metà del prezzo**.

**Roadmap e visione**

Mistral AI prevede di introdurre **diarizzazione dei parlanti, annotazioni audio (età, emozione), timestamp a livello di parola e riconoscimento di audio non vocale**. L'azienda sta ampliando il proprio team audio e incoraggia gli sviluppatori a integrare Voxtral tramite download locale su Hugging Face, tramite l'API, o provandolo nella modalità vocale di Le Chat, con funzionalità enterprise avanzate: deployment privato, fine-tuning specifico per dominio e supporto di integrazione dedicato.

## GrapheDeConnaissance

- Mistral AI —publie→ Voxtral (TECHNOLOGIE, 0.99)
- Voxtral —est_basé_sur→ Mistral Small 3.1 (TECHNOLOGIE, 0.97)
- Voxtral —utilise→ licence Apache 2.0 (CONCEPT, 0.99)
- Voxtral Small —surpasse→ Whisper large-v3 (TECHNOLOGIE, 0.96)
- Voxtral Small —surpasse→ GPT-4o mini Transcribe (TECHNOLOGIE, 0.95)
- Voxtral Small —surpasse→ Gemini 2.5 Flash (TECHNOLOGIE, 0.95)
- Voxtral Small —concurrence→ ElevenLabs Scribe (TECHNOLOGIE, 0.93)
- Voxtral Mini Transcribe —surpasse→ OpenAI Whisper (TECHNOLOGIE, 0.94)
- Voxtral —permet→ function-calling depuis la voix (CONCEPT, 0.97)
- Voxtral —permet→ Q&A et résumé audio intégrés (CONCEPT, 0.97)
- Voxtral —observé_dans→ Hugging Face (TECHNOLOGIE, 0.96)
- Le Chat —utilise→ Voxtral (TECHNOLOGIE, 0.95)
- Mistral AI —collabore_avec→ Inworld (ORGANISATION, 0.88)

---
Canonical: https://www.thekb.eu/it/fiches/voxtral-mistral-ai-speech-understanding-2025-07-15/