Audio Revue publiée le Mise à jour le
Comparer

Mistral AI : Voxtral Mini TTS

Voxtral Mini TTS, publié par Mistral le 26 mars 2026, prend du texte en entrée et produit de la parole en sortie. À sa sortie, Mistral le présente comme une synthèse vocale de niveau entreprise pour les flux critiques d’agents vocaux.

Connectez-vous pour suivre Voxtral Mini TTS et être prévenu de ce qui change.

À quoi sert Voxtral TTS

Audio

Voxtral TTS prend du texte en entrée et produit en sortie de la parole, un audio à 24 kHz aux formats WAV, PCM, FLAC, MP3, AAC et Opus.

Synthèse vocale

Voxtral TTS est présenté à sa sortie par Mistral comme son premier modèle de synthèse vocale, qui transforme le texte en parole, avec des performances que l’éditeur qualifie d’état de l’art en génération vocale multilingue. À sa sortie, Mistral le présente aussi comme une synthèse vocale de niveau entreprise, au service de flux critiques d’agents vocaux.

À sa sortie, selon Mistral, il fonctionne avec Voxtral Transcribe pour une chaîne complète de parole à parole, ou s’intègre à une chaîne existante de reconnaissance vocale et de modèle de langage. Sur sa carte Hugging Face, Mistral cite comme cas d’usage le service client et les centres d’appels, les services financiers, l’industrie, les services publics, la conformité et le risque, la chaîne logistique, l’automobile, la vente et le marketing, et la traduction en temps réel.

  • Audio
  • Synthèse vocale

Les langues et les voix de Voxtral TTS

Voxtral TTS prend en charge l’anglais, le français, l’espagnol, le portugais, l’italien, le néerlandais, l’allemand, l’hindi et l’arabe, et accepte le mélange de langues dans un même texte. À sa sortie, Mistral annonce une parole réaliste et expressive en émotions, avec la prise en charge de dialectes variés.

À sa sortie, selon Mistral, le modèle a été entraîné à s’adapter à une voix personnalisée à partir d’une référence d’à peine 3 secondes, en captant l’accent, les inflexions, l’intonation et même les hésitations. La voix sert d’instruction : le modèle suit l’intonation, le rythme et le rendu émotionnel de l’échantillon, sans balise de prosodie ni d’émotion.

À sa sortie, selon Mistral, l’API propose quelques voix prédéfinies et permet d’étendre ce choix à sa propre bibliothèque de voix. Mistral invite alors à commencer dans AI Studio avec ses voix aux accents américain, britannique et français. Le modèle génère de la parole avec 20 voix prédéfinies, et sa carte Hugging Face qualifie de facile l’adaptation à de nouvelles voix.

Voxtral TTS prend en charge le clonage de voix d’une langue à l’autre. À sa sortie, Mistral annonce cette adaptation sans entraînement explicite à cette tâche et juge cette capacité utile pour bâtir des systèmes de traduction de parole à parole en cascade.

Les performances de Voxtral TTS

Selon Mistral, Voxtral TTS atteint à sa sortie une latence de modèle de 70 ms avec un échantillon de voix typique de 10 secondes et un texte de 500 caractères. Sa carte Hugging Face précise le protocole : sur une seule carte NVIDIA H200 et pour 1 requête simultanée, le test mesure cette latence et un débit de 119,14 caractères par seconde et par GPU.

Selon la carte Hugging Face de Mistral, avec le même protocole et 32 requêtes simultanées, la latence atteint 552 ms et le débit s’établit à 1 430,78 caractères par seconde et par GPU. Par l’API, la documentation de Mistral donne un délai de bout en bout avant le premier son d’environ 0,8 s en PCM et d’environ 3 s en MP3.

Caractéristiques techniques de Voxtral TTS

Voxtral TTS est sorti le 26 mars 2026. Mistral le décrit comme un modèle léger, de 4 milliards de paramètres, qui repose sur une architecture autorégressive à base de transformer et de flow matching, bâtie sur Ministral 3B.

Selon Mistral, le modèle se compose d’un décodeur transformer de 3,4 milliards de paramètres, d’un transformer acoustique de flow matching de 390 millions de paramètres et d’un codec audio neuronal de 300 millions de paramètres. Il génère nativement jusqu’à deux minutes d’audio, et son API procède par entrelacement pour les générations de longueur arbitraire.

Éditeur
Mistral AI
Sortie
Hébergeurs
Mistral

Source : OpenRouter.

Où utiliser Voxtral TTS

Voxtral TTS est disponible par API à sa sortie, selon Mistral, qui invite aussi à l’essayer dans Mistral Studio ou dans Le Chat. La synthèse vocale et le clonage de voix passent par le point d’accès /v1/audio/speech de l’API.

À sa sortie, Mistral propose d’expérimenter le modèle dans le playground, l’espace de test de Mistral Studio, en choisissant une voix Mistral ou en enregistrant sa propre voix. Un modèle doté de plusieurs voix de référence est également disponible en poids ouverts sur Hugging Face à sa sortie, selon Mistral, sous licence CC BY-NC 4.0.

L'API Mistral AI

Pour relier le modèle à votre application

Hébergé via OpenRouter chezMistral

Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites : nous ne l'attribuons pas au modèle seul.

FAQ

Quand Voxtral TTS est-il sorti ?

Voxtral TTS est sorti le 26 mars 2026. Selon la documentation de Mistral, son identifiant d’API est voxtral-mini-tts-2603.

Voxtral Mini TTS et Voxtral TTS sont-ils le même modèle ?

Oui. Voxtral TTS, dont l’identifiant d’API est voxtral-mini-tts-2603, porte aussi le nom Voxtral Mini TTS, avec l’identifiant mistralai/voxtral-mini-tts-2603.

Comment fonctionne Voxtral TTS ?

Voxtral TTS est un modèle autorégressif à base de transformer et de flow matching, bâti sur Ministral 3B. Son transformer principal prédit un token sémantique pour chaque trame audio, puis le transformer de flow matching effectue 16 évaluations de fonction pour produire le latent acoustique.

Voxtral TTS est-il open source ?

Selon la carte Hugging Face de Mistral, Voxtral TTS est publié avec des poids BF16 et un ensemble de voix de référence ; ces voix sont sous licence CC BY-NC 4, et le modèle hérite de cette licence.

Peut-on faire tourner Voxtral TTS sur sa propre machine ?

Voxtral-4B-TTS-2603 peut tourner sur un seul GPU d’au moins 16 Go de mémoire, du fait de sa taille et du format BF16 de ses poids, selon la carte Hugging Face de Mistral. Mistral y recommande la bibliothèque vLLM-Omni pour déployer le modèle.

Usage sur OpenRouter

Voix
78,8 k requêtes sur le dernier mois · 17e sur 20 des modèles les plus utilisés en Voix

Source : OpenRouter (openrouter.ai/rankings), au , données sous licence CC BY 4.0. Le volume traité via l'API OpenRouter mesure l'adoption, pas la qualité.