Conversaciones de voz con Vibe
En esta página
Actualización del 2 de noviembre de 2026: Le Chat pasa a llamarse Vibe. Desde el 28 de mayo de 2026, Le Chat se ha renombrado como Vibe (sigue disponible en chat.mistral.ai): un único agente para el trabajo y la programación que conserva tus conversaciones, ajustes y suscripciones. La experiencia heredada de Le Chat sigue disponible en el modo Chat; en el modo Trabajo, los agentes son ahora habilidades (que se invocan con
@), las memorias actúan como base de conocimientos y la investigación profunda es la habilidad Deep Research. Los planes se llaman ahora Mistral Free, Pro, Team y Enterprise. Esta lección utiliza el nombre Vibe; ten en cuenta que algunos menús descritos aquí pueden haber cambiado de nombre o de ubicación.
Habla con la IA como si fuera un compañero
El modo de voz de Vibe transforma tu asistente de IA basado en texto en un interlocutor con el que puedes conversar simplemente hablando. No hace falta que escribas tus preguntas: tú hablas, Vibe escucha, entiende y responde en voz alta. Gracias a Voxtral Realtime, con una latencia inferior a 200 milisegundos, el intercambio resulta fluido y natural: se parece más a una llamada telefónica que a los rígidos comandos de voz de los asistentes de primera generación.
Activar el modo de voz
Para iniciar una conversación de voz en Vibe:
- Abre Vibe en chat.mistral.ai
- Haz clic en el icono del micrófono en el área de entrada
- Concede acceso al micrófono si el navegador te lo solicita (necesario la primera vez)
- Empieza a hablar: Vibe transcribe tu voz en tiempo real y formula su respuesta
La respuesta llega en unos pocos cientos de milisegundos después de que termines de hablar. Desde el primer intento, notarás que la experiencia se asemeja a hablar con un asistente humano por teléfono.
Latencia ultrabaja
Lo que diferencia al modo de voz de Vibe es la velocidad de respuesta, y eso es intencionado: Voxtral Realtime se diseñó específicamente para interacciones en tiempo real. La transcripción es instantánea: tu voz se convierte en texto mientras hablas, gracias a la arquitectura de streaming del modelo, no solo después de terminar la frase. La respuesta sigue de inmediato: el retraso entre el final de tu frase y el inicio de la respuesta hablada es apenas perceptible. Tampoco hay interrupciones artificiales: el modelo detecta de forma natural cuándo has terminado de hablar, sin necesidad de pulsar ningún botón ni decir una palabra de activación.
Esta fluidez cambia la naturaleza de la herramienta. Una latencia de varios segundos limita a un asistente de voz a dictar comandos; una latencia inferior a 200 ms permite conversaciones reales, con seguimientos y divagaciones.
Casos de uso del modo de voz
El primer caso de uso que debes probar es la lluvia de ideas vocal. A veces las ideas fluyen con más facilidad al hablar que al escribir: activa el modo de voz y lánzate: «Tengo un proyecto web para una panadería, ayúdame a pensar el contenido de las páginas» o «Necesito preparar una presentación sobre tendencias de mercado, ¿por dónde empiezo?». Vibe responde en voz alta, tú le devuelves ideas, él las reformula: la dinámica se parece a una sesión de trabajo con un compañero, no a rellenar un formulario.
El modo de voz también destaca en situaciones en las que necesitas tener las manos libres. Mientras cocinas, pídele que convierta 350 grados Fahrenheit a Celsius sin tocar la pantalla con las manos llenas de harina. Mientras conduces —con las manos libres, por supuesto—, pídele que resuma los puntos clave de tu mañana. Mientras haces ejercicio, plantea esa pregunta que te ronda sin interrumpir tu entrenamiento.
El aprendizaje de idiomas es un tercer campo de juego: habla en una lengua extranjera y pide a Vibe que te corrija. «Voy a hablar en español, corrígeme los errores gramaticales» o «Déjame practicar una conversación de entrevista de trabajo en inglés» convierte al asistente en un interlocutor disponible en cualquier momento, sin público.
Por último, no subestimes el aspecto de la accesibilidad: para las personas que tienen dificultades para escribir —problemas de visión, movilidad reducida, dislexia—, el modo de voz ofrece acceso completo a las capacidades de Vibe sin tener que escribir ni una sola palabra.
Diferencia con la transcripción de archivos
En Vibe coexisten dos casos de uso de audio, y es mejor no confundirlos, ya que dependen de modelos distintos. La transcripción de archivos, tratada en la lección anterior, consiste en subir una grabación existente que Vibe convierte a texto: es un procesamiento por lotes, gestionado por Voxtral Mini Transcribe. El modo de voz, objeto de esta lección, es una interacción en directo: tú hablas, Vibe responde de inmediato, y ahí es donde entra en juego Voxtral Realtime. Ambos pertenecen a la misma familia tecnológica, pero cada uno está optimizado para su caso de uso: máxima precisión para el primero, mínima latencia para el segundo.
Buenas prácticas para el modo de voz
Habla con claridad, articulando de forma natural sin forzarlo: el modelo está entrenado con habla natural, no con dicción robótica. Haz pausas claras cuando termines tu pregunta, ya que estos silencios permiten al modelo detectar el final de tu turno; si te quedas colgado con un «eh…» entre ideas, puede que responda antes de que hayas terminado. Si Vibe no te entiende del todo, simplemente reformula tu pregunta sin reiniciar toda la conversación. Y ten en cuenta que puedes alternar entre el modo de voz y la entrada de texto dentro de la misma conversación: útil cuando quieras pegar un enlace o un bloque de texto a mitad de la charla.
Limitaciones del modo de voz
Hay algunas situaciones que degradan la experiencia, y es mejor anticiparlas. En entornos ruidosos —cafeterías abarrotadas, oficinas abiertas muy concurridas—, el modelo puede tener dificultades para aislar tu voz: prefiere un lugar tranquilo o un auricular con micrófono. Los acentos muy marcados o los dialectos regionales pueden suponer un reto, aunque el modelo maneja bien la mayoría de los acentos comunes. En conversaciones muy largas, al igual que ocurre con el texto, el contexto tiene límites y el modelo puede «olvidar» el inicio del intercambio. Por último, el modo de voz requiere una conexión a Internet estable: una conexión lenta introduce retrasos que rompen precisamente la fluidez que hace valiosa a la herramienta.
Puntos clave
- Inicia el modo de voz con un solo clic en el icono del micrófono de Vibe
- Voxtral Realtime ofrece una latencia inferior a 200 ms para conversaciones fluidas
- Ideal para lluvias de ideas, uso con las manos libres y aprendizaje de idiomas
- Puedes alternar libremente entre voz y texto en la misma conversación
- Un entorno tranquilo y una conexión estable ofrecen los mejores resultados