Voxtral 3のFinOps：分単位・文字単位のコスト
更新日 October 27, 2026 · 初回公開 October 27, 2026
Voxtral 3は文字起こしを音声の分数、音声生成を入力文字数で課金します。Mistralの変更履歴では公開プレビュー開始日は2026年10月20日、個別の発表記事は10月21日付です。音声エージェントには、管理型パイプラインと推論モデルの分単位料金もあります。
タスク別料金
| タスク | モデル | 料金 |
|---|---|---|
| 録音の文字起こし | Mini Transcribe 3 | 音声1分あたり$0.0035 |
| 高精度の録音文字起こし | Small Transcribe 3 | 1分あたり$0.0040 |
| リアルタイム文字起こし | Mini Transcribe Realtime 3 | 1分あたり$0.0080 |
| テキストから音声 | Mini TTS 3 | 100万文字あたり$13 |
課金単位は異なります。文字起こしは音声時間、TTSは入力文字数で決まります。単一の平均単価にまとめると、どの処理で費用が発生したか分からなくなります。
予算例
録音10,000分はMiniで$35、Smallで$40です。リアルタイム10,000分は$80です。Smallの追加$5は、処理分数だけでなく、人手による修正や後工程のエラー削減と比較してください。
TTSの1,000万文字は$130です。6分の録音をMiniで文字起こしすると$0.021、5,000文字の音声回答は$0.065で、2つのモデル呼び出しの合計は約$0.086です。推論、管理型音声エージェント、再試行、電話、インフラ費用は含みません。
Mistralは音声エージェントを別途、推論にMistral Small 4を使う場合は$0.04/分、大型モデルの場合は$0.08/分としています。これは管理型パイプラインの料金として扱い、請求上で別項目になっていない限り、文字起こしとTTSの個別料金を重ねないでください。分数、文字数、モデル、結果を記録し、予測前に最新料金を確認します。
出典
関連記事
この方法を自社の環境にも適用しますか？ プロバイダーの請求書、ゲートウェイログ、主要なワークフローをお持ちください。コスト要因と削減策を整理します。 無料監査を予約 →