Voxtral — De audiomodellen van Mistral
Op deze pagina
Audio, de nieuwe grens van AI
Kunstmatige intelligentie beperkt zich niet langer tot tekst. Het begrijpen en produceren van spraak is een concrete uitdaging geworden voor talloze toepassingen: spraakassistenten, vergadertranscripties, nasynchronisatie en toegankelijkheid. Mistral heeft de Voxtral-familie ontwikkeld om deze volledige keten te bestrijken. De vier modellen die we behandelen zijn niet onderling uitwisselbaar: elk neemt een specifieke positie in de keten in. Het verwarren van hun rollen is de meest gemaakte fout bij het ontwerpen van een applicatie.
Voxtral TTS — Spraaksynthese van de volgende generatie
Voxtral TTS, gelanceerd in maart 2026, is het tekst-naar-spraak-synthesemodel. Het is een van de opmerkelijkste releases van dit jaar, voornamelijk dankzij één mogelijkheid: zero-shot voice cloning.
Het principe is eenvoudig te formuleren, maar heeft verstrekkende gevolgen. U levert een audiofragment van een stem aan—enkele seconden volstaan—waarna het model elke willekeurige tekst in die stem genereert, zonder aanvullende training. De klankkleur, het ritme en de kenmerken van de bronstem worden in één keer vastgelegd: er is geen behoefte aan financiering voor dataverzameling of trainingssessies tussen het horen van een stem en het daadwerkelijke gebruik ervan.
Er dienen zich direct vier toepassingsgebieden aan. Nasynchronisatie en lokalisatie stellen u in staat audio-inhoud te vertalen terwijl de oorspronkelijke stem behouden blijft, waardoor de identiteit van het merk of de spreker over talen heen intact blijft. Toegankelijkheid profiteert van interfaces die zijn uitgerust met een natuurlijke, gepersonaliseerde stem in plaats van een onpersoonlijke synthese. Educatieve inhoud vindt consistente vertelling van module tot module, zonder opnieuw op te hoeven nemen. En spraakassistenten kunnen eindelijk beschikken over een onderscheidende geluidsidentiteit.
Technisch gezien is het model meertalig en ondersteunt het Frans. Het werkt in real-time streaming: de stem wordt on-the-fly geproduceerd, zonder te wachten tot de volledige tekst beschikbaar is, wat vloeiende conversatie mogelijk maakt. De output ligt dicht bij menselijke spraak, met beheer van intonatie en emotie. Het model behoort tot de Open-tier, met gewichten die zijn gepubliceerd op Hugging Face.
Deze kracht vereist discipline. Mistral raadt aan om systematisch toestemming te vragen aan de persoon wiens stem wordt gekloond, deze technologie nooit te gebruiken om een identiteit na te bootsen, en door AI gegenereerde inhoud duidelijk te markeren. Deze drie regels zijn geen theoretische voorzorgsmaatregelen: een nasynchronisatieproject dat ze verwaarloost, stelt zowel de opdrachtgever bloot als de persoon wiens stem als model heeft gediend.
Voxtral Mini Transcribe 2 — Audiotranscriptie
Voxtral Mini Transcribe 2, uitgebracht in februari 2026, gaat de tegenovergestelde richting op: het is het audiotranscriptiemodel van Mistral, oftewel spraak-naar-tekst, en zet spraak met hoge nauwkeurigheid om in tekst. Het valt onder de Premier-tier, waardoor toegang verloopt via de API.
Vier mogelijkheden onderscheiden het van een basis-transcriber. Transcriptie is meertalig met automatische taaldetectie, wat voorkomt dat elk bestand vooraf geconfigureerd moet worden. Diarisatie identificeert verschillende sprekers in een gesprek—zonder deze functie blijft een verslag van een vergadering met zes deelnemers een blok onbruikbare tekst. Context biasing stelt u in staat het model gespecialiseerde vocabulaire, eigennamen of technische termen aan te reiken, zodat het stopt met het verminken van referenties die in uw vakgebied essentieel zijn. Tijdstempels ten slotte lijnen de transcriptie woord voor woord uit met het audiospoor.
Deze kenmerken schetsen de use cases: vergaderverslagen met identificatie van deelnemers, gesynchroniseerde ondertiteling, analyse van klantenservicegesprekken en het indexeren van gesproken inhoud om een voorheen niet-doorzoekbaar archief van opnames doorzoekbaar te maken.
Voxtral Mini Transcribe Realtime — Real-time verwerking
Wanneer latentie voorrang krijgt boven finesse, transcribeert Voxtral Mini Transcribe Realtime in een continue stream: tekst verschijnt terwijl de persoon spreekt, zonder te wachten tot het einde van de zin. Dit model valt onder de Open-tier, wat lokale hosting mogelijk maakt—een doorslaggevend argument voor gevoelige toepassingen waarbij audio uw infrastructuur niet mag verlaten.
| Functie | Transcribe 2 | Transcribe Realtime |
|---|---|---|
| Latentie | Batch (naverwerking) | Real-time (streaming) |
| Nauwkeurigheid | Hoger | Iets lager |
| Diarisatie | Ja | Beperkt |
| Tier | Premier | Open |
| Typisch gebruik | Bestandstranscriptie | Live-ondertiteling |
Lees deze tabel als een afweging, niet als een ranglijst: u kiest niet voor Realtime omdat het beter is, maar omdat live-ondertiteling geen naverwerking tolereert.
Voxtral Small — Audio-input
Voxtral Small, gepubliceerd in juli 2025, speelt een andere rol dan de voorgaande modellen. Het accepteert audio als input voor instructietaken: u stuurt een bestand en vraagt het om dit samen te vatten, vragen over de inhoud te beantwoorden of het te analyseren. Het is dus geen transcriber die u zou koppelen aan een tekstmodel, maar een multimodaal instructiemodel voor audio dat direct op het geluidssignaal werkt.
Belangrijkste punten
- Voxtral TTS (maart 2026) is het spraaksynthesemodel met zero-shot voice cloning
- Voxtral Mini Transcribe 2 biedt nauwkeurige transcriptie met diarisatie en context biasing
- Voxtral Realtime maakt streaming-transcriptie mogelijk, open source
- Voxtral Small is een multimodaal instructiemodel dat audio-input begrijpt
- De Voxtral-familie bestrijkt de volledige keten: tekst → stem (TTS), stem → tekst (transcriptie) en stem → begrip (instructie-audio)