L'essenziale su Voxtral Transcribe 2
- Voxtral Mini Transcribe V2 di Mistral AI è ora disponibile in produzione su Raisetalk
- Diarizzazione nativa: identificazione automatica degli interlocutori, senza passaggi aggiuntivi
- Prestazioni di riferimento: circa il 4% di WER, meglio di GPT-4o mini Transcribe, Gemini 2.5 Flash e Deepgram Nova
- 13 lingue supportate nativamente, tecnologia 100% francese (Mistral AI, Parigi)
- Prezzo ultracompetitivo: semplicemente il più economico tra quelli proposti su Raisetalk
Novità: Voxtral Transcribe 2 disponibile su Raisetalk
A gennaio annunciavamo l'integrazione di Mistral AI come motore LLM per l'analisi conversazionale. Oggi facciamo un ulteriore passo avanti: Mistral AI entra nella corsa allo Speech-to-Text con Voxtral Transcribe 2, e noi l'abbiamo messo in produzione su Raisetalk.
Voxtral Mini Transcribe V2 è un modello di trascrizione batch progettato per ambienti professionali esigenti. Porta con sé una funzionalità molto attesa: la diarizzazione nativa, cioè la capacità di identificare automaticamente chi parla e quando, integrata direttamente nel processo di trascrizione.
Voxtral Mini Transcribe V2: le caratteristiche
| Caratteristica | Dettaglio |
|---|---|
| Tipo | Trascrizione batch |
| Diarizzazione | ✅ Nativa, integrata |
| Durata massima | Fino a 30 minuti per registrazione |
| Lingue | 13 lingue: FR, EN, ES, DE, IT, NL, PT, ZH, JA, KO, HI, AR, RU |
| Timestamp | Per segmento e parola per parola |
| Context biasing | ✅ Orientamento verso un vocabolario di settore specifico |
| WER | ~4% su FLEURS |
| Traduzione | ❌ Non disponibile |
| Pseudonimizzazione | ❌ Non disponibile |
Piccolo glossario
- Diarizzazione: capacità di identificare e distinguere i diversi interlocutori in una conversazione («chi parla quando»)
- WER (Word Error Rate): tasso di errore per parola; più è basso, migliore è la trascrizione. Un WER del 4% significa che 96 parole su 100 sono trascritte correttamente
- Context biasing: capacità di orientare il modello verso un vocabolario di settore specifico (nomi di prodotti, termini tecnici) per migliorarne la precisione
- Timestamp per segmento: marcatura temporale di ogni segmento della trascrizione, che consente una sincronizzazione precisa con l'audio
La diarizzazione: un vantaggio decisivo
Nel nostro confronto tra modelli STT sottolineavamo l'importanza della diarizzazione per l'analisi conversazionale. Per il Quality Monitoring bisogna sapere se una frase è stata pronunciata dall'operatore o dal cliente. Per la Conformità delle vendite bisogna attribuire ogni impegno all'interlocutore giusto. Per la Voce del Cliente bisogna isolare i verbatim del cliente.
Finora, nel nostro confronto, solo Parakeet e Gemini 2.5 Pro raggiungevano 5/5 nella diarizzazione. Parakeet però non offre né traduzione né pseudonimizzazione, e Gemini 2.5 Pro è il modello più lento e più costoso.
Voxtral Mini V2 cambia le carte in tavola: unisce una diarizzazione di primo livello al costo più basso del mercato. È un'opzione particolarmente adatta alle organizzazioni che trattano grandi volumi di conversazioni e che hanno bisogno di un'identificazione affidabile degli interlocutori.
Prestazioni: i numeri
Voxtral Transcribe 2 ottiene risultati notevoli nei benchmark indipendenti:
| Criterio | Voxtral Mini V2 | Posizionamento |
|---|---|---|
| WER (FLEURS) | ~4% | Meglio di GPT-4o mini Transcribe, Gemini 2.5 Flash, Assembly Universal, Deepgram Nova |
| Durata max | 30 minuti | Nella media |
| Lingue | 13 | Copertura ampia, lingue asiatiche comprese |
Sovranità e «Made in France»
L'integrazione di Voxtral si inserisce nella continuità della nostra strategia di indipendenza tecnologica. Mistral AI è un'azienda francese, fondata a Parigi nel 2023 da ex ricercatori di Meta e Google DeepMind.
Per le organizzazioni francesi ed europee, scegliere Voxtral per la trascrizione audio risponde alle stesse esigenze che valgono per l'LLM:
- Sovranità digitale: i vostri dati audio sono trattati da una tecnologia europea
- Conformità normativa: un fornitore soggetto al GDPR e all'AI Act
- Ecosistema locale: sostegno allo sviluppo di campioni tecnologici europei
Confronto aggiornato: 8 modelli STT su Raisetalk
A gennaio confrontavamo 7 modelli STT. Voxtral arricchisce ora questa offerta. Ecco la tabella aggiornata:
| # | Modello | Regione | Durate | Trad. | Pseudo. | Costo | Rapidità | Qualità | Diarizzazione | Drift | Bonus | Totale |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | Voxtral | EU | < 30 min | ❌ | ❌ | 5/5 | 5/5 | 5/5 | 5/5 | 5/5 | +8 | 33 |
| 2 | Light | EU & US | Tutte | ✅ | ✅ | 4/5 | 5/5 | 4/5 | 3/5 | 5/5 | +20 | 41 |
| 3 | Best | EU & US | Tutte | ✅ | ✅ | 2/5 | 5/5 | 5/5 | 3/5 | 5/5 | +20 | 40 |
| 4 | Gemini 2 Flash | EU & US | < 10 min | ✅ | ✅ | 5/5 | 5/5 | 4/5 | 4/5 | 2/5 | +16 | 36 |
| 5 | Gemini 2.5 Flash | EU & US | < 25 min | ✅ | ✅ | 4/5 | 4/5 | 4/5 | 4/5 | 3/5 | +17 | 36 |
| 6 | Gemini 2.5 Pro | EU & US | < 45 min | ✅ | ✅ | 1/5 | 1/5 | 5/5 | 5/5 | 4/5 | +19 | 35 |
| 7 | Parakeet | EU | Tutte | ❌ | ❌ | 3/5 | 5/5 | 4/5 | 5/5 | 5/5 | +8 | 30 |
| 8 | Whisper | EU | Tutte | ❌ | ❌ | 3/5 | 5/5 | 3/5 | 5/5 | 5/5 | +8 | 29 |
Legenda: tutti i punteggi sono su 5, più è alto meglio è. Il bonus funzionale premia la disponibilità multi-regione, il supporto delle registrazioni lunghe, la traduzione e la pseudonimizzazione.
La nostra raccomandazione: Voxtral è la scelta ideale se cercate la migliore combinazione di qualità, diarizzazione e costo, e non avete bisogno né di pseudonimizzazione né di traduzione. Nei casi in cui la pseudonimizzazione è obbligatoria, restate su Light o Best.
Quando scegliere Voxtral?
Voxtral è particolarmente adatto se:
- La diarizzazione è importante per le vostre analisi (Quality Monitoring, Conformità delle vendite)
- Trattate grandi volumi e il costo è un criterio determinante
- Date valore alla sovranità tecnologica (soluzione francese)
- Non avete bisogno di pseudonimizzazione né di traduzione integrate nello STT
- Le vostre registrazioni hanno una durata media (fino a 30 minuti)
Voxtral non è consigliato se:
- Nel vostro contesto la pseudonimizzazione a livello STT è obbligatoria → preferite
LightoBest - Avete bisogno di una traduzione integrata → preferite
Light,Besto i modelli Gemini
Come attivare Voxtral su Raisetalk?
Su Raisetalk, il modello STT si sceglie semplicemente al momento dell'invio di ogni analisi. Potete:
- Testare Voxtral su un campione di conversazioni e confrontare i risultati con i vostri modelli attuali
- Combinare gli approcci in base ai vostri casi d'uso
Il nostro team può anche aiutarvi a individuare la configurazione ottimale in base ai vostri volumi, al vostro budget e ai vostri requisiti di qualità.
Provate voi stessi
Il modo migliore per giudicare è provare.
Il nostro spazio di prova vi permette di trascrivere le vostre conversazioni con il modello che preferite: https://app.raisetalk.com/try
