Voxtral 3: una voce che può restare in Europa

Il 20 ottobre 2026 Mistral ha presentato Voxtral 3: una famiglia di modelli che trasforma il parlato in testo e il testo in parlato, con in più un SDK per agenti vocali. Il tutto deve girare sull'API di Mistral in Europa o sulla tua infrastruttura. Anche la clonazione della voce fa parte del pacchetto.

Le voci fanno parte delle nostre produzioni da tempo, e oggi nascono nel cloud. In Rapido, uno spec ad per Electrolux, la versione tedesca è letta da un vero speaker; quella svedese l'abbiamo doppiata con ElevenLabs. In 21 ZUAN, uno spec ad per Seagull 1963, la voce della nonna viene da ElevenLabs, in inglese e in cinese. E in When Everything Crumbles per l'Università di Berna, la voce del direttore è stata clonata con ElevenLabs dalle sue stesse registrazioni, con il suo consenso.

Con un personaggio inventato, la domanda su dove venga calcolata una voce è soprattutto tecnica. Con una persona reale non più. Per questo guardiamo Voxtral 3 da vicino. Non l'abbiamo ancora usato né testato.

Cosa c’è davvero di nuovo

Mistral riunisce quattro modelli sotto un unico nome:

• Trascrizione: Voxtral Small Transcribe 3 e Voxtral Mini Transcribe 3 (4 miliardi di parametri secondo Mistral) per i file, con separazione dei parlanti e contesto per i termini tecnici. 50 lingue, tra cui le 24 lingue ufficiali dell'UE.
• Tempo reale: Voxtral Mini Transcribe Realtime 3, con meno di 500 millisecondi di latenza secondo Mistral e il riconoscimento di quando qualcuno ha finito di parlare.
• Sintesi vocale: Voxtral Mini TTS 3 con 35 lingue e oltre 50 dialetti, controllabile con istruzioni su emozione, ritmo ed enfasi.
• SDK per agenti vocali: basato su LiveKit, collega ascolto, ragionamento e parola in un'unica pipeline e si aggancia al telefono via SIP o a browser e app via WebRTC. Mistral indica meno di un secondo per ogni turno di conversazione.

La novità è soprattutto la combinazione: un solo fornitore per tutto il percorso, dalla voce in entrata alla voce in uscita, con l'hosting nell'UE come offerta standard e il deployment in proprio come opzione. Secondo l'annuncio, l'intero stack on-premise o in un cloud privato passa dal team di Mistral. Da notare: oltre all'endpoint europeo, Mistral cita anche endpoint statunitensi e globali. L'Europa è quindi una scelta, non un automatismo.

I benchmark dell'annuncio vengono da Mistral stessa, in parte con un modello linguistico come giudice. Li lasciamo dove sono.

Cosa significa per una produzione

Per la clonazione Mistral descrive due strade. Lo zero-shot clona da una breve registrazione. Per la variante professionale («Pro Voice») la documentazione consiglia da 30 minuti a tre ore di registrazioni pulite con una sola voce: stanza silenziosa, stesso microfono, emozioni diverse. Secondo la documentazione, una voce clonata non è legata alla lingua della registrazione. È proprio il caso che abbiamo con le versioni in altre lingue.

I prezzi secondo Mistral: sintesi vocale 13 dollari per milione di caratteri, trascrizione da 0,0035 a 0,008 dollari al minuto, l'agente vocale 0,04 dollari al minuto con Mistral Small 4 come modello di ragionamento. Per uno spot non è una voce di costo. Per un agente che risponde alle chiamate tutto il giorno, già di più.

Cosa significa per un marchio

Qui si fa interessante. Secondo Mistral, le organizzazioni possono controllare dove viene elaborato l'audio, come vengono trattati i dati e se le conversazioni vengono conservate. Secondo la documentazione, le voci salvate hanno un periodo di conservazione, 30 giorni di default, regolabile fino a 365 giorni.

Per confronto, cosa documenta ElevenLabs: i dati dei clienti sono conservati di default negli Stati Uniti. L'archiviazione nell'UE è una funzione per i clienti Enterprise, e secondo la documentazione l'elaborazione può comunque avvenire altrove, salvo con lo Zero Retention Mode tramite l'API.

Sul consenso è il contrario. Secondo la sua documentazione, ElevenLabs consente la clonazione professionale solo della propria voce e richiede una verifica. La documentazione di clonazione di Mistral non descrive un passaggio del genere. La sua policy d'uso vieta però di usare la voce di un'altra persona senza il suo consenso preventivo.

Tradotto: il consenso spetta a te, non allo strumento. Onestamente, il punto più importante di questo articolo.

Quindi, quando conviene una voce che resta in Europa o che gira sulla tua infrastruttura? Quando appartiene a una persona reale, per esempio la CEO, uno speaker o un direttore. Quando il materiale è riservato prima del lancio. Oppure quando un agente vocale parla con clienti e nel frattempo sente dati personali. Per un personaggio inventato in uno spec ad conta meno. La valutazione giuridica spetta caso per caso a uno specialista; noi possiamo dire quali domande poniamo prima di un progetto.

Sull'etichettatura non cambia nulla. Sulle nostre pagine dei case c'è scritto quale voce è generata e quale viene da persone, con qualunque strumento sia nata.

La nostra opinione e i limiti

Voxtral 3 è un'offerta europea seria per tutto il percorso del parlato, e l'hosting nell'UE toglie forza a una domanda che con le voci reali torna sempre. Mistral però non parla da nessuna parte di pesi aperti per Voxtral 3: nella panoramica dei modelli tutti e quattro sono indicati come «Premier», mentre il vecchio Voxtral Small del 2025 è segnato «Apache 2.0». Gestirlo in proprio significa quindi parlare con Mistral, non semplicemente scaricare dei file.

Resta aperto come suonano le voci in un film vero: in svedese, in cinese, con emozione lungo un'intera scena. E se un clone da 30 minuti si avvicina a quello che consegniamo oggi. Lo sapremo solo dopo un nostro test, e non l'abbiamo ancora fatto.

Fonti

• Mistral AI: Voxtral 3, annuncio del 20 ottobre 2026
• Mistral Docs: Voxtral TTS 3, pagina del modello
• Mistral Docs: Voice cloning
• Mistral Docs: Languages
• Mistral Docs: Models, panoramica con le licenze
• Mistral AI: Usage Policy, in vigore dall'11 giugno 2026
• ElevenLabs Docs: Data residency
• ElevenLabs Docs: Professional Voice Cloning
• Miraki: Rapido
• Miraki: 21 ZUAN
• Miraki: When Everything Crumbles