Voxtral Small 24B peut-il être exécuté localement ?

Oui, les poids sont ouverts et disponibles sur Hugging Face. Mistral recommande de l'exécuter avec vLLM, et vous aurez besoin d'environ 55 Go de RAM GPU en bf16 ou fp16.

Quel est le coût d'utilisation de Voxtral Small 24B via API ?

Le texte est facturé 0,10 $ par million de tokens d'entrée et 0,30 $ par million de tokens de sortie. L'entrée audio est facturée séparément à 100 $ par million de secondes.

En quoi Voxtral Small diffère-t-il de Mistral Small 3.1 ?

Voxtral Small est construit directement sur Mistral Small 3.1 et conserve toutes ses capacités textuelles, mais ajoute une couche d'entrée audio dédiée pour la transcription, la traduction, les questions-réponses audio et l'appel de fonctions déclenché par la voix.

Voxtral Small 24B 2507

5768°

#llm #mistralai #audio #multilingue #local #budget

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

Mistral | contexte de 32 768 tokens | 0,10 $/M en entrée, 0,30 $/M en sortie. Voxtral Small est une amélioration de Mistral Small 3, intégrant des capacités audio de pointe tout en conservant une performance textuelle de premier ordre. Il excelle en transcription vocale, traduction et compréhension audio. L'entrée audio est facturée 100 $ par million de secondes.

Guides pour ce modèle

De combien de VRAM ai-je vraiment besoin pour l'IA locale ?

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

Voxtral Small 24B 2507 est le modèle audio-capable de 24 milliards de paramètres de Mistral, construit sur la base Mistral Small 3.1 avec une couche dédiée à la compréhension audio ajoutée. Il gère la transcription, la traduction et les questions-réponses audio dans un seul modèle, détectant automatiquement la langue source parmi huit langues majeures. Les poids ouverts et un prix API bas en font un choix pratique pour les développeurs qui veulent éviter d'assembler des pipelines séparés ASR et modèles de langue.

Connu pour

Mode transcription dédié qui détecte automatiquement la langue source sans configuration.
Gère l'audio jusqu'à 30 minutes pour la transcription, 40 minutes pour la compréhension.
Appel de fonction déclenché directement par la voix parlée.
Multilingue natif : anglais, espagnol, français, portugais, hindi, allemand, néerlandais, italien.
Conserve toutes les capacités textuelles de Mistral Small 3.1 en plus de l'audio.

Attention à

Les invites système ne sont pas encore supportées, ce qui limite certains modes de déploiement.
L'exécution locale nécessite environ 55 Go de RAM GPU en bf16 ou fp16.
La tarification audio est séparée du texte : 100 $ par million de secondes d'audio en entrée.

Idéal pour

Audio

Multilingue

Fonctionne localement

Budget

Agents et utilisation d'outils

Prompts à essayer

Transcrire et résumer l'audio

Joignez un enregistrement vocal d'une réunion ou d'une conférence. Transcrivez tout ce qui est dit, puis produisez un résumé structuré avec les principaux sujets abordés, les décisions prises et les actions mentionnées. Présentez le résumé sous forme de liste numérotée.

Questions-réponses audio à partir d'un enregistrement

Joignez un extrait audio d'une explication orale ou d'une interview. Répondez aux questions suivantes uniquement sur la base de ce qui est dit dans l'enregistrement : Quel est l'argument principal avancé ? Quelles preuves ou exemples sont donnés ? Y a-t-il des réserves ou qualifications mentionnées par l'orateur ?

Traduire l'audio parlé en anglais

Joignez un fichier audio où l'orateur utilise une langue autre que l'anglais. Identifiez la langue parlée, transcrivez l'original et fournissez une traduction anglaise claire. Notez toute phrase ambiguë ou difficile à rendre directement.

Comparer avec

Mistral Nemo
Modèle à poids ouverts
Contexte de 131,072 tokens · entrée $0.03/M, sortie $0.03/M
Ministral 3 3B 2512
Modèle à poids ouverts
Contexte de 131,072 tokens · entrée $0.10/M, sortie $0.10/M
Ministral 3 14B 2512
Modèle à poids ouverts
Contexte de 262,144 tokens · entrée $0.20/M, sortie $0.20/M
Mistral Small 3
Modèle à poids ouverts
Contexte de 32,768 tokens · entrée $0.05/M, sortie $0.08/M

Plus de modèles de texte de mistralai

Questions fréquentes

Voxtral Small 24B peut-il être exécuté localement ?: Oui, les poids sont ouverts et disponibles sur Hugging Face. Mistral recommande de l'exécuter avec vLLM, et vous aurez besoin d'environ 55 Go de RAM GPU en bf16 ou fp16.
Quel est le coût d'utilisation de Voxtral Small 24B via API ?: Le texte est facturé 0,10 $ par million de tokens d'entrée et 0,30 $ par million de tokens de sortie. L'entrée audio est facturée séparément à 100 $ par million de secondes.
En quoi Voxtral Small diffère-t-il de Mistral Small 3.1 ?: Voxtral Small est construit directement sur Mistral Small 3.1 et conserve toutes ses capacités textuelles, mais ajoute une couche d'entrée audio dédiée pour la transcription, la traduction, les questions-réponses audio et l'appel de fonctions déclenché par la voix.

Verdict du capitaine
Un modèle rare qui fait une transcription sérieuse et une compréhension audio sans sacrifier la qualité textuelle, à un prix raisonnable.

Fiche modèle sur Hugging Face

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Comment ce score se calcule

Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Modèles similaires

Nemotron 3.5 Super VL

Modèles d'IA pour générer image, vidéo et texte

Voxtral Small 24B 2507 est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm mistralai audio multilingue local budget agents

Parcourir par famille de modèles