Voxtral 3 TTS vs Voxtral 4B TTS: Het nieuwere model dat je niet kunt downloaden

Het ongemakkelijke feit over Voxtral 3 T​TS is dat het bijna op elke meetbare manier beter is dan Voxtral 4B T​TS en slechter op het ene punt dat bij sommige implementaties de doorslag geeft: je kunt er niet aan komen. Mistral bracht Voxtral 4B T​TS op 23 maart 2026 uit als open weights — mistralai/Voxtral-4B-T​TS-2603 op Hugging Face, CC BY-NC 4.0, downloadbaar en uitvoerbaar op je eigen accelerators. Voxtral 3 T​TS verscheen op 20 oktober 2026 uitsluitend als API-product. De lanceringspagina beschrijft endpoints voor de EU, de VS en wereldwijd, Studio-playgrounds en self-deployment op eigen infrastructuur, en zegt nergens dat de weights beschikbaar zijn. Dus de opvolger van zeven maanden later is 127 Elo beter op de blind-listeningboard (1.217 tegen 1.090), 19% goedkoper met $13 tegen $16 per miljoen tekens, en ongeveer 42% sneller met 112 tegen 79 tekens per seconde — en nog steeds geen drop-in vervanging voor het model dat hij opvolgt, want het oudere model is het enige lid van deze familie dat een bedrijf daadwerkelijk zelf kan bezitten. De gedocumenteerde AI-fouten en agent-incidenten achter releases als deze zijn verzameld in het OrcaRouter AI Incident Archive waar elke vermelding haar eigen bronnen, ernstgraad, betrouwbaarheidsclassificatie en betwist-vlag heeft.

Twee modellen, zeven maanden, één licentiegrens

Die grens is het waard om precies te formuleren vóór elke benchmark, want ze herschikt de hele vergelijking.

• Voxtral 4B T​TS — open gewichten onder CC BY-NC 4.0. Niet-commercieel. Je mag het downloaden, inspecteren, uitvoeren en fine-tunen; je mag het niet meeleveren in een betaald product. De beperking komt voort uit de referentiestemdatasets die eraan ten grondslag liggen, niet uit een technische beperking van het checkpoint. Het zelf hosten ervan voor interne evaluatie is prima; het zelf hosten ervan in een klantgerichte commerciële dienst is dat niet.

• Voxtral 3 TTS — gesloten. Geen gewichten gepubliceerd per 21 oktober 2026. "Zelfdeployment op eigen infrastructuur of een private cloud" op de pagina van Mistral is een enterprise-implementatieaanbod dat met de leverancier wordt onderhandeld, geen downloadlink, en die twee door elkaar halen is de gemakkelijkste fout die je maakt wanneer je die pagina snel leest.

De praktische consequentie: als je reden om Voxtral 4B T​TS te willen was dat de audio je netwerk nooit verlaat, dan vervangt Voxtral 3 T​TS het niet, tenzij je iets met Mistral ondertekent. Als je reden was dat het goedkoper was dan een gehoste API, dan vervangt Voxtral 3 T​TS het qua prijs en overtreft het qua kwaliteit, en de licentiekwestie verdwijnt omdat je een dienst koopt in plaats van een bestand. Dezelfde periode van zeven maanden valt anders uit, afhankelijk van welke van die twee zinnen jouw situatie beschrijft.

Het scorebord

• Provider Voice Elo — Voxtral 3 TTS: 1.217 (#13 van 98), 95%-interval 1.202–1.232. Voxtral 4B TTS: 1.090 (#46), interval 1.078–1.102. Beide volgens Artificial Analysis, uitgelezen op 21 oktober 2026.

• Prijs per 1 miljoen tekens — $13,00 versus $16,00. Bij ongeveer 900 tekens per gesproken minuut komt dat neer op $0,70 tegen $0,86 per uur.

• Doorvoer — mediaan 112 tekens per seconde versus 79, gemeten door Artificial Analysis op de native host van elk model.

• Talen — Voxtral 3 T​TS: 35+ talen en 50+ dialecten, presets in 18. Voxtral 4B T​TS: 9 talen — Engels, Frans, Duits, Spaans, Nederlands, Portugees, Italiaans, Hindi, Arabisch, met ondersteuning voor dialecten.

• Stemaanpassing — Voxtral 3 T​TS: "Pro Voice", 30 minuten audio. Voxtral 4B T​TS: een referentieprompt van 5–25 seconden, in de modelkaart beschreven als slechts 3 seconden.

• Gewichten — gesloten versus open (CC BY-NC 4.0).

De taalregel is de grootste verandering waar niemand over heeft geschreven. Voxtral 4B TTS dekt negen talen; het nieuwe model claimt 35+ talen en 50+ dialecten. Dat is een viervoudige uitbreiding van het product, en het is een sterker argument voor de upgrade dan de Elo — 127 punten brengen je van het midden van de ranglijst naar het midden van de ranglijst, maar van negen talen naar vijfendertig talen verandert welke markten je kunt bedienen.

De voice-adaptatielijn werkt precies omgekeerd en is de enige echte regressie. Voxtral 4B T​TS kloont op basis van een korte referentieclip — volgens de modelkaart slechts drie seconden, terwijl de architectuur een promptvenster van 5–25 seconden beschrijft. Pro Voice van Voxtral 3 T​TS heeft dertig minuten audio nodig om het karakter, het emotionele bereik en de stijl van een spreker in verschillende talen te reproduceren. Dertig minuten is een studiosessie. Drie seconden is een functie. Als je product gebruikers hun eigen stem laat horen, is het nieuwere model slechter in die taak.

Wat de 4B eigenlijk is, onder de motorkap

Het aantal parameters in de naam van het oude model beschrijft een echte architectuur, en het verklaart zowel de sterke punten ervan als waarom de opvolger niet simpelweg een grotere versie ervan is.

Voxtral 4B TTS bestaat uit ongeveer vier miljard parameters in drie onderdelen: een 3,4B transformer-decoder-backbone gebouwd op Ministral 3B, een 390M flow-matching akoestische transformer en een 300M neurale audiocodec. Het is autoregressief over een semantische VQ-codec met een vocabulaire van 8.192 tokens en voedt een flow-matching-head die akoestische FSQ-kenmerken voorspelt over 36 dimensies op 21 niveaus, met een snelheid van 12,5 Hz. In gewone taal: een klein taalmodel leest de tekst en maakt een plan, een flow-matching-netwerk zet dat plan om in audiokenmerken, en een codec zet kenmerken om in samples. Het genereert native tot twee minuten; langere uitvoer wordt in de API afgehandeld via interleaving.

Het door Mistral gepubliceerde cijfer voor het model van maart was 70 milliseconden modellatentie voor een spraakfragment van 10 seconden en 500 tekens, bij een real-timefactor van ongeveer 9,7x. Die cijfers zijn gemeten op de servingstack van Mistral, niet onafhankelijk, en ze beschrijven een model dat voor zijn generatie echt snel was. De doorvoer van het model van oktober op Artificial Analysis, 112 tekens per seconde tegenover 79, suggereert dat de opvolger nog sneller is — maar Mistral publiceert helemaal geen time-to-first-audio voor Voxtral 3 T​TS, wat een vreemde omissie is voor een bedrijf waarvan het vorige T​TS-model vooropliep met een latentiecijfer.

Twee generaties architectuur zijn ook zichtbaar in het aantal talen. Negen talen in maart, vijfendertig-plus in oktober, waarbij de transcriptiemodellen van de familie alle 24 officiële EU-talen claimen. Wat er tussen de twee checkpoints veranderde, veranderde de trainingsdata en de dekking van de tokenizer veel meer dan de akoestische stack.

Wie moet de 4B behouden, en wie moet verhuizen?

Behoud Voxtral 4B TTS als een van deze situaties van toepassing is. U moet de audio laten verwerken op hardware die u beheert en u kunt niet onderhandelen over een privé-implementatie. U doet onderzoek of evaluatie, waarbij CC BY-NC 4.0 gebruik toestaat en de licentie niets kost. U hebt voicecloning met een korte referentie nodig — drie seconden tegenover dertig minuten is geen moeilijke afweging. U werkt in een van de negen talen die het ondersteunt en de kwaliteit is voldoende; in dat geval is een gratis checkpoint dat u al draait meer waard dan een beter checkpoint dat u moet aanroepen.

Stap over op Voxtral 3 T​TS als een van deze dingen waar is. Je verkoopt de output en mocht de 4B dus sowieso nooit commercieel zelf hosten — in dat geval zat je al op de API van $0.016 per duizend tekens, en de nieuwe $13 per miljoen is 19% goedkoper voor een model dat 127 Elo beter is, wat de gemakkelijkste upgrade in dit artikel is. Je hebt een taal nodig buiten de oorspronkelijke negen. Je hebt de agent-stack nodig: Voxtral 3 T​TS wordt geleverd met een op LiveKit gebaseerde voice-agent-SDK, SIP- en WebRTC-ondersteuning, agentbeurten van minder dan een seconde en een bundelprijs per minuut van $0.04 met Mistral Small 4-redeneervermogen, wat allemaal niet bestond rond het model van maart.

Er is een derde groep die beide zou moeten draaien, en die is groter dan hij lijkt: teams die op het open checkpoint prototypen en via de API serveren. Voxtral 4B T​TS geeft je een lokaal model om prompts, stemmen en faalmodi op te testen, zonder kosten per aanroep en zonder dat er data het gebouw verlaat; Voxtral 3 T​TS geeft je het productie-endpoint met de taaldekking en de licentie om te verkopen. De twee delen een familielijn, maar geen API-oppervlak, dus reken erop dat de prompts opnieuw afgesteld moeten worden — een kwaliteitskloof van 127 punten is een ander model, geen versie-update, en stuurregelaars voor richting die zich op de 4B op een bepaalde manier gedroegen, zijn niet noodzakelijkerwijs overdraagbaar.

Als het productiepad een storing bij een leverancier moet doorstaan, is dat het argument om de syntheseaanroep achter een router te plaatsen in plaats van Mistral rechtstreeks aan te roepen. OrcaRouter biedt één OpenAI-compatibel eindpunt voor meer dan 200 modellen met de lijstprijs van de provider doorgegeven tegen 0% opslag, zodat bij een storing op één synthesebackend een failover plaatsvindt in plaats van dat het stilvalt — en een spraakpipeline die nachtelijke batches verwerkt, is precies de workload waarbij een dood eindpunt een nacht kost in plaats van één verzoek. De modellen van Mistral zijn bereikbaar via de eigen API van Mistral en verschillende platforms van derden; controleer de catalogus op actuele beschikbaarheid voordat je rond een specifieke model-ID ontwerpt.

De vraag die Mistral niet heeft beantwoord

Krijgt Voxtral 3 TTS open gewichten? Het model van maart wel, onder een niet-commerciële licentie, en het werd het referentiepunt voor hoe een open TTS-checkpoint van een Europees lab eruitziet. Niets in de lancering van oktober herhaalt dat. De pagina is expliciet over API-toegang en private deployment en zwijgt over downloads, hetzelfde patroon dat Mistral gebruikte voor verschillende van zijn tekstmodellen voordat het maanden later gewichten vrijgaf.

Als de gewichten inderdaad worden vrijgegeven, verandert de vergelijking volledig: de licentievoorwaarden bepalen of het open model commercieel bruikbaar is, en het precedent — CC BY-NC 4.0 — suggereert van niet. Dat zou de situatie ongeveer laten zoals ze nu is, waarbij het downloadbare model een onderzoeksartefact is en het bruikbare een dienst.

De andere onbeantwoorde vraag is of de 4B zijn API-vermelding zal behouden. De spraakprijstabel van Mistral vermeldt de nieuwe familie en noemt het model van maart niet, terwijl Artificial Analysis het nog steeds volgt tegen $16 met een actieve host. Historisch gezien heeft Mistral oudere spraakmodellen callable gehouden voor een lange staart; als dat standhoudt, hebben teams een echt bruikbare fallback — een iets slechter, iets duurder model dat niettemin een andere deployment is. Als dat niet zo is, moet iedereen die in maart op voxtral-mini-tts-latest heeft gebouwd, controleren naar welk model die alias nu verwijst voordat hun volgende factuur komt.

De korte versie: Voxtral 3 T​TS is het betere model en de slechtere asset. Koop het voor talen, kwaliteit en de agent-stack; houd Voxtral 4B T​TS voor lokaal werk, cloning met korte referentie en de negen talen die het al goed doet. De enige migratie die ondubbelzinnig juist is, is van de gehoste API van de 4B naar de nieuwe — dezelfde leverancier, dezelfde licentiestatus, goedkoper en beter — en het is de enige stap in deze vergelijking die niets kost.