Voxtral 3: Mistral liefert Bausteine für Telefon- und Sprachassistenten
Mistral AI hat mit Voxtral 3 neue Modelle für Spracherkennung und Sprachausgabe sowie einen Baukasten für Sprachagenten vorgestellt, nutzbar auch über eine Schnittstelle in der EU. Das betrifft Betriebe, die viele Anrufe annehmen.
20. Oktober 2026
Dieser Beitrag wurde mit KI-Unterstützung entworfen und von einer Person geprüft.
Was ist neu?
Mistral AI hat am 20. Oktober 2026 die Modellfamilie Voxtral 3 vorgestellt. Sie besteht aus drei Teilen:
- Spracherkennung (Transkription): Voxtral Small Transcribe 3 für hohe Genauigkeit in über 50 Sprachen, Voxtral Mini Transcribe 3 für günstige Stapelverarbeitung und Voxtral Mini Transcribe Realtime 3 für Gespräche in Echtzeit. Für das Echtzeitmodell nennt Mistral eine Verzögerung unter einer halben Sekunde.
- Sprachausgabe: Voxtral Mini TTS 3 spricht laut Mistral mehr als 35 Sprachen. Fertige Stimmen gibt es in 18 Sprachen, darunter Deutsch. Eigene Stimmen lassen sich laut Mistral aus etwa 30 Minuten Tonaufnahmen nachbilden.
- Baukasten für Sprachagenten: Er verbindet Zuhören, Nachdenken, Werkzeuge und Sprechen. Laut Mistral dauert jeder Gesprächszug unter einer Sekunde. Der Agent kann über Internettelefonie (SIP) Anrufe annehmen und tätigen und im Browser oder in Apps laufen. Als Beispiele nennt Mistral, die Identität eines Anrufers zu prüfen, eine Rechnung zu prüfen oder einen Termin zu buchen.
Die Preise laut Mistral, in US-Dollar: Transkription ab 0,0035 je Minute (Mini), 0,004 (Small) und 0,008 (Echtzeit); Sprachausgabe 13 je Million Zeichen; Sprachagent 0,04 je Minute mit dem Modell Mistral Small 4, mit einem größeren Modell 0,08. Was im Minutenpreis des Agenten genau enthalten ist, steht nicht dabei.
Verfügbar ist Voxtral 3 laut Mistral ab sofort, über eine in der EU betriebene Schnittstelle sowie über US- und weltweite Zugänge. Kunden sollen festlegen können, ob Tonaufnahmen gespeichert werden. Der Betrieb auf eigener Infrastruktur ist möglich. Laut Presse-citron landete Voxtral Small Transcribe 3 bei der Testfirma Artificial Analysis auf Platz drei der Rangliste für Spracherkennung.
Was heißt das für Ihren Betrieb?
Für Praxen, Handwerksbetriebe oder Hausverwaltungen mit vielen Anrufen ist das ein weiterer Baukasten für Telefonassistenten, diesmal von einem europäischen Anbieter mit EU-Schnittstelle. Fertig zum Einschalten ist er nicht: Jemand muss den Agenten einrichten, mit Kalender oder Kundensoftware verbinden und testen. Planen Sie neben den Minutenpreisen auch diesen Aufwand ein.
Heikel ist das Nachbilden von Stimmen. Mistral äußert sich auf der Seite nicht zu Einwilligungen. Unsere Einordnung, keine Rechtsauskunft: Nutzen Sie nur Stimmen von Personen, die schriftlich zugestimmt haben.
Was Sie jetzt tun können
- Zählen, wie viele Anrufe pro Woche eingehen und welche davon Routine sind, etwa Terminanfragen oder Öffnungszeiten.
- Mit Ihrem IT-Dienstleister klären, ob Voxtral 3 über die EU-Schnittstelle genutzt werden kann und wie lange Tonaufnahmen gespeichert werden.
- Vor dem Einsatz mit Ihrem Datenschutzbeauftragten besprechen, wie Anrufer darüber informiert werden, dass sie mit einer KI sprechen.
