Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
mistral22. Oktober 2026 · Q000868

Voxtral 3: Speech-to-Text, TTS & Voice Agents

mistral.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Mistral stellt Voxtral 3 als Paket aus mehrsprachiger Transkription, kontextabhängiger Sprachsynthese und einem SDK für sprachgesteuerte Agenten vor, die während Gesprächen mehrstufige Aufgaben ausführen können. Die Angaben zu Spitzenleistung, niedriger Latenz und Preisvorteilen stammen vom Anbieter; der Bericht nennt Benchmarks und Preise, bietet aber keine unabhängige Überprüfung.

Mittel

Der Bericht kündigt Voxtral 3 als Mistrals Angebot für Spracherkennung, Sprachsynthese und sprachgesteuerte Agenten an. Das SDK soll Transkription, Schlussfolgern, Tool-Aufrufe und Sprachausgabe in einem Echtzeitablauf verbinden und sich für Kontaktzentren, Assistenten und freihändige Anwendungen eignen.

Mistral nennt Transkription in 50 Sprachen mit Sprechererkennung, Fachwortkontext und Erkennung des Gesprächsendes. Die Echtzeitvariante soll mehr als 35 Sprachen unterstützen und unter 500 Millisekunden Latenz erreichen. Das TTS-Modell soll in mehr als 35 Sprachen und 50 Dialekten Emotion, Tempo und Betonung an den Kontext anpassen; außerdem werden Stimmklonen und Aussprachesteuerung angeboten. Agenten könnten während eines Gesprächs etwa Identitäten prüfen, Rechnungen abrufen oder Termine buchen.

Laut Bericht ist der Dienst über API-Endpunkte und zur Selbstbereitstellung verfügbar. Mistral behauptet Spitzenwerte bei Transkription und Sprachqualität sowie Kostenvorteile. Genannt werden FLEURS-Benchmarks und Preise, doch die Leistungs- und Vergleichsaussagen werden im Bericht nicht unabhängig überprüft. Organisationen sollen den Verarbeitungsort und die Audioaufbewahrung kontrollieren können.

Ausführlich lesen

Der Bericht stellt Voxtral 3 als neue Produktfamilie von Mistral für Spracherkennung, Sprachsynthese und sprachgesteuerte Agenten vor. Mistral beschreibt das Ziel, Zuhören, Schlussfolgern, Sprechen und mehrstufige Aktionen in einem Echtzeitablauf zu verbinden. Als Einsatzfelder nennt das Unternehmen unter anderem Kontaktzentren, virtuelle Assistenten und freihändige Copiloten.

Für die Transkription hebt Mistral Unterstützung für 50 Sprachen, Sprechererkennung, kontextgesteuerte Erkennung von Fachbegriffen und das Erkennen des Gesprächsendes hervor. Die kleinere Echtzeitvariante soll in mehr als 35 Sprachen Latenzen unter 500 Millisekunden erreichen. Mistral bezeichnet die Leistung der Small-Version als Spitzenleistung und behauptet, sie übertreffe Whisper, Scribe v2 und Gemini 3.5 Transcribe. Als Grundlage werden unter anderem FLEURS-Benchmarks genannt; dort wird die Fehlerrate über Sprachen gemittelt, und für Japanisch, Koreanisch und Chinesisch wird teils die Zeichenfehlerrate statt der Wortfehlerrate verwendet. Der Bericht liefert jedoch keine vollständigen Benchmarkwerte im Fließtext.

Das Text-zu-Sprache-Modell soll mehr als 35 Sprachen und 50 Dialekte abdecken und Emotion, Tempo und Betonung an den Gesprächskontext anpassen. Mistral nennt außerdem Stimmklonen aus mindestens 30 Minuten Audiomaterial, Aussprachehinweise und anpassbare Anweisungen. Eine Pro-Voice-Funktion soll die charakteristischen Stimmmerkmale und den Ausdruck einer Person sprachübergreifend nachbilden. Für die Synthese nennt der Bericht einen Preis von 13 US-Dollar je Million Zeichen und behauptet, das Modell sei günstiger als mehrere Vergleichsangebote.

Das auf LiveKit aufbauende SDK verbindet laut Mistral Echtzeit-Transkription, ein Sprachmodell für Schlussfolgerungen und Tool-Aufrufe sowie die Sprachausgabe. Agenten können demnach etwa Identitäten prüfen, Rechnungen abfragen oder Termine buchen. Unterstützt werden Telefonie über SIP sowie Browser und Apps über WebRTC. Die einzelnen Modelle sollen austauschbar sein, damit sich Sprachmodell, Stimme oder Sprache wechseln lassen.

Mistral gibt an, Voxtral 3 über gehostete API-Endpunkte in Europa, den USA und global sowie zur Selbstbereitstellung anzubieten. Organisationen könnten dadurch den Verarbeitungsort und die Aufbewahrung von Audio kontrollieren; für vollständigen Betrieb vor Ort oder in einer privaten Cloud verweist der Bericht auf eine Kontaktaufnahme mit dem Unternehmen. Er listet außerdem Preise für Transkription und Agenten-API auf. Die Leistungs-, Qualitäts- und Kostenvergleiche sind Aussagen des Anbieters; der Bericht enthält keine unabhängige Prüfung dieser Angaben.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Der Bericht ist eine Produktankündigung des Anbieters Mistral mit Benchmarks und Preisen und keine Untersuchung zu Governance oder Sicherheit von KI-Agenten. Die Einordnung fällt daher bei allen Fragen niedrig aus. Lunas Stufen und Anteile wurden nicht übernommen, weil der Bericht sie nicht stützt.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Vergleich mit Whisper, Scribe v2 und Gemini 3.5 Transcribe, nach dem Voxtral Small ein Spitzenergebnis erzielen soll
  • Die EU-Hosting-Zusage als Teil der Datensouveränität, die der Bericht ausdrücklich hervorhebt
  • Pro Voice: Stimmadaption über 30 Minuten Audio für professionelle Anwendungen
  • Die Aufbauarchitektur des SDK auf LiveKit mit SIP- und WebRTC-Anbindung

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 25 %einzelne zitierbare Belege
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Fähigkeiten messen
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 43 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 39 %einzelne zitierbare Belege
    • amos 51 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 39 %einzelne zitierbare Belege
    • JEV 29 %einzelne zitierbare Belege
    • amos 26 %nur am Rande erwähnt
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 63 %einzelne zitierbare Belege
    • JEV 57 %einzelne zitierbare Belege
    • amos 26 %nur am Rande erwähnt
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 28 %Hintergrund, keine Belege
    • JEV 26 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 51 %Hintergrund, keine Belege
    • JEV 52 %einzelne zitierbare Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 38 %einzelne zitierbare Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 57 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Wirtschaft und Haftung
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →