# Voxtral Small

Éditeur : Mistral AI (France). Poids ouverts. Licence : Apache 2.0.

En bref : 9e sur 39 en transcription en français (ex æquo à valeur égale) ; 9e sur 51 en transcription en anglais (Artificial Analysis) ; 29e sur 53 en transcription en anglais (Open ASR) (ex æquo à valeur égale).

Page : https://quelleia.com/voix/modeles/voxtral-small/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 19 octobre 2026.

## Présentation

Modèle audio de Mistral AI bâti sur Mistral Small 3, avec des poids publiés, qui transcrit, traduit et comprend la parole. Il répond à des questions sur un enregistrement, le résume et peut déclencher des fonctions à partir d'une consigne orale. (lu sur https://huggingface.co/mistralai/Voxtral-Small-24B-2507/raw/main/README.md)

- Sortie : 15 juillet 2025 (lu sur la page de l'éditeur, https://mistral.ai/news/voxtral)
- Taille : 24 milliards de paramètres (lu sur la page de l'éditeur, https://mistral.ai/news/voxtral)

## Langues

- Annoncées par l'éditeur : 8 langues, dont le français (en, es, fr, pt, hi, de, nl, it).
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 9e sur 39 en transcription en français (4,11 %).
- Source des langues annoncées : https://huggingface.co/mistralai/Voxtral-Small-24B-2507/raw/main/README.md

## Ses classements

- Transcription en français : 9e sur 39, taux d'erreur par mot 4,11 % ; vitesse : RTFx 89 : transcrit 89 secondes d'audio par seconde de calcul ; par jeu de test : Common Voice 5,50 %, FLEURS 3,61 %, MLS 3,22 %. Source : Open ASR Leaderboard, Hugging Face, https://huggingface.co/spaces/hf-audio/open_asr_leaderboard (relevé du 19 octobre 2026, version du 17 octobre 2026).
- Transcription en anglais, indice AA-WER : 9e sur 51, taux d'erreur par mot 2,77 % ; prix : 4 $ pour 1 000 minutes de parole ; par jeu de test : AA-AgentTalk 2,27 %, Earnings22 4,78 %, VoxPopuli 1,75 %. Source : Artificial Analysis, https://artificialanalysis.ai/speech-to-text/models/mistral (relevé du 19 octobre 2026).
- Transcription en anglais, Open ASR : 29e sur 53, taux d'erreur par mot 6,38 % ; vitesse : RTFx 101 : transcrit 101 secondes d'audio par seconde de calcul ; par jeu de test : AMI-Cleaned 13,19 %, Earnings22-Cleaned-AA-chunked 7,07 %, Gigaspeech-Cleaned 8,33 %, LS Clean 1,23 %, LS Other 2,80 %, Private (conversational) 14,70 %, Private (scripted) 3,22 %, SPGISpeech 1,84 %, URGENT24 12,35 %, Voice Arena Monsoon 3,49 %, Voxpopuli-AA-Cleaned 2,00 %. Source : Open ASR Leaderboard, Hugging Face, https://huggingface.co/spaces/hf-audio/open_asr_leaderboard (relevé du 19 octobre 2026, version du 17 octobre 2026).

## Modèles proches

- Transcription en français : [Resonant-1-flash](https://quelleia.com/voix/modeles/resonant-1-flash/), 9e (4,11 %), juste devant
- Transcription en français : [multilingual](https://quelleia.com/voix/modeles/modulate-multilingual/), 12e (4,14 %), juste derrière
- Transcription en anglais, indice AA-WER : [Zoom Scribe V2 Pro](https://quelleia.com/voix/modeles/zoom-scribe-v2-pro/), 8e (2,75 %), juste devant
- Transcription en anglais, indice AA-WER : [Gemini 3.1 Pro Preview (High)](https://quelleia.com/voix/modeles/google-gemini-3-1-pro-preview-high/), 10e (2,82 %), juste derrière
- Transcription en anglais, Open ASR : [Granite-Speech-5.0-470M-TurboCTC](https://quelleia.com/voix/modeles/ibm-granite-speech-5-0-470m-turboctc/), 29e (6,38 %), juste devant
- Transcription en anglais, Open ASR : [Granite 4.0 1B Speech](https://quelleia.com/voix/modeles/ibm-granite-4-0-1b-speech/), 31e (6,41 %), juste derrière

## Comment lire ces chiffres

- Transcription : Le taux d'erreur par mot compte les mots mal transcrits, oubliés ou ajoutés, pour cent mots prononcés : plus il est bas, mieux c'est. Chaque tableau vient d'une seule source, sur ses propres enregistrements : deux tableaux ne se comparent pas chiffre à chiffre.

## Noms dans les sources

- Hugging Face (hf-audio) : mistralai/Voxtral-Small-24B-2507
- Artificial Analysis : Voxtral Small

## Liens

- Page de l'éditeur : https://huggingface.co/mistralai/Voxtral-Small-24B-2507
- L'essayer : https://docs.mistral.ai/studio/audio/speech_to_text
- Les poids sur Hugging Face : https://huggingface.co/mistralai/Voxtral-Small-24B-2507

## Pages lues

- https://mistral.ai/news/voxtral (« Voxtral July 15, 2025 By Mistral »), 17/10/2026
- https://mistral.ai/news/voxtral (« These state‑of‑the‑art speech understanding models are available in two sizes-a 24B variant for production-scale applications and a 3B variant for local and edge deployments. Both versions are released under the Apache 2.0 license »), 17/10/2026
- https://huggingface.co/mistralai/Voxtral-Small-24B-2507/raw/main/README.md (« Voxtral Small is an enhancement of [Mistral Small 3](https://huggingface.co/mistralai/Mistral-Small-24B-Base-2501), incorporating state-of-the-art audio input capabilities while retaining best-in-class text performance. »), 17/10/2026
- https://huggingface.co/mistralai/Voxtral-Small-24B-2507/raw/main/README.md (« - **Built-in Q&A and summarization**: Supports asking questions directly through audio. »), 17/10/2026
- https://huggingface.co/mistralai/Voxtral-Small-24B-2507/raw/main/README.md (« - **Function-calling straight from voice**: Enables direct triggering of backend functions, workflows, or API calls based on spoken user intents »), 17/10/2026
- https://huggingface.co/mistralai/Voxtral-Small-24B-2507/raw/main/README.md (« # Voxtral Small 1.0 (24B) - 2507 »), 17/10/2026
- https://huggingface.co/mistralai/Voxtral-Small-24B-2507/raw/main/README.md (« Automatic language detection and state-of-the-art performance in the world’s most widely used languages (English, Spanish, French, Portuguese, Hindi, German, Dutch, Italian) »), 17/10/2026
- https://docs.mistral.ai/models/voxtral-small-25-07 (« July 15, 2025 Blog Technical Report GA Apache 2.0 v 25.07 Voxtral Small Our first model with audio input capabilities for instruct use cases. »), 17/10/2026