Voxtral Small
Mistral AI · France
- Poids ouverts
- Licence : Apache 2.0
- Éditeur français
- Français annoncé
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).
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 huggingface.co, le 17/10/2026.
- Sortie
- 15 juillet 2025 lu sur la page de l'éditeur
- Taille
- 24 milliards de paramètres lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : 8 langues, dont le français (en, es, fr, pt, hi, de, nl, it). Lu sur huggingface.co.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 9e sur 39 en transcription en français (4,11 %).
Ses 3 classements
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En français · Transcription
Transcription en français
9e sur 39taux d'erreur par mot 4,11 %
Vitesse : RTFx 89 : transcrit 89 secondes d'audio par seconde de calculPar jeu de test : Common Voice 5,50 %, FLEURS 3,61 %, MLS 3,22 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
- En anglais · Transcription
Transcription en anglais, indice AA-WER
9e sur 51taux d'erreur par mot 2,77 %
Prix : 4 $ pour 1 000 minutes de parolePar jeu de test : AA-AgentTalk 2,27 %, Earnings22 4,78 %, VoxPopuli 1,75 %
Source : Artificial Analysis · relevé du 19 octobre 2026.
- En anglais · Transcription
Transcription en anglais, Open ASR
29e sur 53taux d'erreur par mot 6,38 %
Vitesse : RTFx 101 : transcrit 101 secondes d'audio par seconde de calculPar 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 · relevé du 19 octobre 2026, version du 17 octobre 2026.
Modèles proches
- Transcription en français : devant, Resonant-1-flash (même rang, 4,11 %) · derrière, multilingual (12e, 4,14 %)
- Transcription en anglais, indice AA-WER : devant, Zoom Scribe V2 Pro (8e, 2,75 %) · derrière, Gemini 3.1 Pro Preview (High) (10e, 2,82 %)
- Transcription en anglais, Open ASR : devant, Granite-Speech-5.0-470M-TurboCTC (même rang, 6,38 %) · derrière, Granite 4.0 1B Speech (31e, 6,41 %)
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.
D'où vient cette fiche
- Nom dans les sources
- Hugging Face (hf-audio) :
mistralai/Voxtral-Small-24B-2507; Artificial Analysis :Voxtral Small - Fiche
- Registre de QUELLE IA, lu sur carte du modèle sur Hugging Face (licence apache-2.0), 17/10/2026.
- 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
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.