Mistral lanza Voxtral 3 para crear agentes de voz en español

Voxtral 3 permite crear agentes de voz para teléfono y web que entienden español, consultan sistemas empresariales y responden hablando, con opciones para procesar los datos en Europa. Mistral ofrece una API completa de agentes desde 0,04 dólares por minuto, además de modelos individuales de transcripción y síntesis de voz.

La compañía presentó esta familia el 20 de octubre de 2026, junto con un SDK para desarrollar conversaciones en tiempo real. El anuncio oficial de Mistral incluye los modelos disponibles, sus tarifas y las opciones de despliegue.

La cuestión para una empresa no es únicamente si el agente puede hablar correctamente. También importa dónde se procesa el audio, qué operaciones está autorizado a realizar y cómo se transfiere una conversación a una persona cuando hace falta.

Un agente de voz necesita escuchar, decidir, actuar y hablar

Voxtral 3 combina componentes que pueden trabajar dentro de una misma conversación.

Escuchar. Los modelos de transcripción convierten la voz del cliente en texto. Voxtral Small Transcribe 3 admite más de 50 idiomas e incorpora diarización, que permite identificar qué hablante interviene en cada momento.

Decidir. Un modelo de lenguaje interpreta lo que solicita el usuario y determina el siguiente paso. Puede necesitar información adicional o comprobar los datos disponibles antes de responder.

Actuar. Mediante herramientas conectadas, el agente puede consultar un pedido, buscar información en sistemas internos o solicitar una reserva, siempre que la integración y los permisos lo permitan.

Hablar. Voxtral Mini TTS 3 transforma la respuesta en audio, con soporte para más de 35 idiomas y 50 variantes regionales.

Según Mistral, el sistema permite interrumpir al agente mientras habla y adaptar la respuesta al contexto de la conversación.

Por ejemplo, un cliente podría llamar para consultar una cita. El agente identificaría la solicitud, consultaría el sistema correspondiente y comunicaría las opciones disponibles.

Para completar la operación necesita una conexión real con la aplicación que gestiona las citas. El modelo de voz no proporciona por sí mismo esa integración.

¿Habla español de España?

Mistral incluye español entre los idiomas de transcripción y generación de voz, y ofrece una voz regional específica de España.

Esto permite diseñar experiencias dirigidas a clientes españoles sin depender de una voz genérica en otro idioma.

Voxtral Small Transcribe 3 también admite vocabulario contextual, útil cuando el sistema debe reconocer nombres de productos o términos específicos de una empresa.

El modelo Mini Transcribe 3 dispone de 4.000 millones de parámetros y está orientado a transcripción por lotes. Para conversaciones activas, Mini Transcribe Realtime 3 está diseñado para procesar audio con una latencia inferior a 500 ms, según el fabricante.

Mistral también afirma que el SDK puede completar cada turno del agente en menos de 1 segundo.

Son prestaciones comunicadas por la compañía, no mediciones independientes de una implantación concreta. La experiencia final también dependerá de la conexión telefónica, las herramientas externas y el tiempo que tarde cada sistema en responder.

¿Cuánto cuesta Voxtral 3?

Mistral publica precios para utilizar cada modelo por separado y para consumir su API de agente de voz completo.

Precios publicados por Mistral, 20 de octubre de 2026, expresados en dólares estadounidenses.

Las tarifas de transcripción no deben confundirse con el precio del agente completo.

Una solución para atención telefónica puede necesitar además conexión con la centralita, integración con un CRM, configuración de herramientas, registros, supervisión y mantenimiento.

Si se contratan componentes por separado, hay que presupuestar su uso según la arquitectura elegida, sin asumir que basta con sumar una tarifa de transcripción y otra de voz.

En cuánto cuesta realmente un agente de IA según los precios publicados explicamos cómo separar los costes del modelo de los del sistema completo.

¿Pueden quedarse los datos de voz en Europa?

Mistral ofrece endpoints de API en Europa, Estados Unidos y una opción global. También contempla el despliegue en instalaciones propias o nube privada, mediante contratación comercial.

Esto permite elegir una configuración europea, pero contratar a un proveedor europeo no garantiza por sí solo que todos los datos de una solución permanezcan en Europa.

Hay que revisar dónde se procesan las grabaciones, dónde se almacenan las transcripciones y qué servicios reciben información durante cada llamada.

También importa qué registros conserva la empresa, quién puede acceder a ellos y cuándo se eliminan.

En un despliegue propio, Mistral permite controlar el tratamiento y la conservación del audio dentro de la infraestructura elegida, según su documentación de lanzamiento.

Esta distinción debería resolverse antes de conectar el agente con datos de clientes.

El SDK permite atender llamadas y conversaciones web

El SDK de Voxtral 3 está construido sobre LiveKit y admite dos vías de comunicación importantes:

• SIP: para integrar el agente con servicios de telefonía y centralitas compatibles.
• WebRTC: para conversaciones de voz desde navegadores y aplicaciones.

El sistema separa transcripción, modelo de razonamiento y generación de voz. Cada componente puede sustituirse por otro compatible sin tener que reconstruir necesariamente toda la aplicación.

TestingCatalog confirmó el 21 de octubre de 2026 estas posibilidades de integración.

Para una empresa resulta especialmente útil poder cambiar la voz o el modelo de razonamiento manteniendo las conexiones con sus sistemas.

Aun así, sustituir componentes exige comprobar de nuevo el comportamiento de la conversación.

Qué comprobar antes de contratar un agente de voz

La posibilidad de contactar con una persona merece especial atención.

Un agente que no puede resolver una incidencia debe tener una vía de salida definida. Antes de diseñarla conviene revisar las obligaciones aplicables, que abordamos en nuestro artículo sobre atención al cliente con IA y la Ley 10/2025.

Qué decisión tomar esta semana

Elige una tarea concreta, como consultar el estado de un pedido o gestionar una cita, y define qué datos necesita el agente, dónde se procesarán y cuándo intervendrá una persona. Después compara el coste publicado con los requisitos reales de integración y realiza una prueba en español de España. Si quieres conectar un agente de voz a tu teléfono o página web, cuéntanos qué consultas necesitas atender para definir una implementación acorde con tus sistemas.