Audio

L'audio de Mistral couvre trois usages : transformer la parole en texte, transformer le texte en parole, et faire fonctionner les deux dans des conversations en direct. Les modèles Voxtral 3 transcrivent des fichiers enregistrés et des flux en direct, avec étiquettes de locuteur, horodatages et vocabulaire personnalisé. Ils génèrent de la parole avec des voix prédéfinies ou clonées, que vous dirigez avec des balises d'émotion et de rythme. Vous pouvez aussi envoyer de l'audio à un modèle de chat pour résumer ou interroger un enregistrement, et construire des agents audio qui répondent aux appelants en temps réel.

Cette section s'adresse aux développeurs qui intègrent l'audio via l'API et les SDK, et aux équipes produit qui évaluent ce que Voxtral peut faire.

Chaque requête nécessite une clé API issue d'AI Studio.

1. Sélectionnez Créez une nouvelle clé, donnez un nom à la clé et définissez une date d'expiration.
2. Copiez la clé. Elle ne s'affiche qu'une seule fois.
3. Stockez la clé dans la variable d'environnement MISTRAL_API_KEY, où les exemples la lisent :

export MISTRAL_API_KEY="your-api-key"

export MISTRAL_API_KEY="your-api-key"

Les exemples curl ne nécessitent aucune installation. Pour Python ou TypeScript, installez le SDK Mistral :

pip install "mistralai[realtime]"

pip install "mistralai[realtime]"

L'extra realtime ajoute le client WebSocket pour la transcription en temps réel.

curl -O https://docs.mistral.ai/audio/obama.mp3

curl -O https://docs.mistral.ai/audio/obama.mp3

import os

from mistralai.client import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

with open("obama.mp3", "rb") as audio:
    transcription = client.audio.transcriptions.complete(
        model="voxtral-mini-transcribe-3-0",
        file={"file_name": "obama.mp3", "content": audio},
    )

print(transcription.text)

import os

from mistralai.client import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

with open("obama.mp3", "rb") as audio:
    transcription = client.audio.transcriptions.complete(
        model="voxtral-mini-transcribe-3-0",
        file={"file_name": "obama.mp3", "content": audio},
    )

print(transcription.text)

Voxtral 3 compte cinq modèles : trois transforment la parole en texte, et deux transforment le texte en parole.

Voxtral Mini Transcribe 3

Transcription of recorded audio files.

Voxtral Mini Transcribe Realtime 3

Live transcription of audio streams, with configurable latency.

Voxtral Small Transcribe 3

Higher-quality transcription of recorded audio files.

Voxtral TTS 3

Speech generation from text, with preset voices and zero-shot voice cloning.

Voxtral TTS Realtime 3

Streaming speech generation for live conversations.

Pour choisir, partez de ce que vous avez à faire :

Pour comparer en détail les modes, les options et les fonctionnalités, consultez Reconnaissance vocale et Synthèse vocale.

Avant de régler les options ou de concevoir un produit vocal, lisez comment fonctionne chaque composant de la stack audio et quels compromis comporte chaque choix.

Choisissez le scénario le plus proche de votre produit. Chaque guide combine plusieurs fonctionnalités pour aboutir à un résultat unique et renvoie, à chaque étape, vers l'article correspondant.