Voxtral Mini 4B Realtime é o primeiro modelo open-source de transcrição de voz em streaming a atingir WER médio de 8,72% a 480ms de latência — paridade prática com sistemas offline — sob licença Apache-2.0.
O laboratório não publicou benchmark verificável para este modelo.
Modelos de ASR em tempo real open-source historicamente ficavam 3–5 pontos percentuais de WER atrás de sistemas offline; o Voxtral Mini fecha essa lacuna operando a 480ms, conforme benchmarks FLEURS (8,72% AVG vs. 5,90% do equivalente offline da própria Mistral). Isso elimina o principal argumento técnico para depender de APIs proprietárias em pipelines de transcrição ao vivo.
A licença Apache-2.0 permite implantação comercial sem royalties ou restrições de redistribuição, num segmento onde soluções concorrentes de qualidade comparável — como a API Realtime da OpenAI — operam em modelo fechado. Para empresas com restrições de soberania de dados ou compliance em setores regulados, o modelo oferece uma rota de implantação on-premise tecnicamente viável pela primeira vez.
CTOs e arquitetos de plataformas em saúde, jurídico e serviços financeiros que precisam de transcrição ao vivo sem enviar áudio a terceiros devem avaliar imediatamente; desenvolvedores de assistentes de voz e ferramentas de legenda em tempo real que hoje pagam por APIs de streaming encontrarão no Voxtral Mini uma alternativa auto-hospedada com WER competitivo documentado em 13 idiomas, incluindo português.