Un agente vocale AI è un software che risponde al telefono, capisce cosa chiede chi chiama, consulta i sistemi aziendali e risponde a voce. Il 20 ottobre 2026 Mistral AI ha presentato Voxtral 3: una famiglia di modelli vocali con un kit di sviluppo (SDK) per costruire agenti di questo tipo.
Non è un prodotto da installare in negozio. Sono i mattoni con cui sviluppatori e software house costruiscono assistenti telefonici, pagati a minuto di conversazione. Qui spieghiamo come funzionano, quanto costano, dove sbagliano e cosa chiede la legge a chi li usa in Italia.
Ultimo aggiornamento: ottobre 2026
Come funziona un agente vocale costruito con Voxtral 3?
L’SDK di Mistral si basa su LiveKit, una piattaforma open source per audio e video in tempo reale. Collega tre modelli in un unico flusso:
- Ascolta. Voxtral Mini Transcribe Realtime 3 trascrive la chiamata mentre la persona parla e riconosce quando ha finito la frase.
- Ragiona e agisce. Un modello linguistico, per esempio Mistral Small, interpreta la richiesta e usa gli strumenti collegati: calendario, gestionale, archivi aziendali, ricerca web.
- Risponde. Voxtral Mini TTS 3 genera la voce e adatta tono, ritmo ed enfasi alla conversazione.
Le tre fasi lavorano in parallelo: nessuna aspetta che la precedente abbia finito. Secondo Mistral, così ogni turno di conversazione si chiude in meno di un secondo e l’agente smette di parlare quando l’interlocutore lo interrompe. Sono dati del produttore, non misure indipendenti.
Durante la chiamata l’agente può verificare l’identità di chi chiama, controllare una fattura o fissare un appuntamento. Si collega ai centralini con SIP, il protocollo standard della telefonia su internet, e a siti e app con WebRTC. Ogni fase usa un modello separato: si possono cambiare voce, lingua o modello linguistico senza ricostruire l’agente.
Quanto costa un agente vocale AI con Voxtral 3?
Mistral vende sia i singoli modelli sia l’agente completo. I prezzi sono in dollari.
| Componente | Modello | A cosa serve | Prezzo di listino |
| Agente completo | Voice agent API con Mistral Small 4 | Ascolto, ragionamento e voce in un solo servizio | 0,04 $ al minuto |
| Agente completo | Voice agent API con un modello più grande | Stesso servizio, con un modello linguistico più potente | 0,08 $ al minuto |
| Ascolto in tempo reale | Voxtral Mini Transcribe Realtime 3 | Trascrizione durante la chiamata, latenza dichiarata sotto i 500 millisecondi | 0,008 $ al minuto |
| Trascrizione di file | Voxtral Mini Transcribe 3 | Registrazioni audio già salvate | 0,0035 $ al minuto |
| Trascrizione di precisione | Voxtral Small Transcribe 3 | Il più accurato della famiglia | 0,004 $ al minuto |
| Voce sintetica | Voxtral Mini TTS 3 | Risposte parlate | 13 $ per milione di caratteri |
Fonte: listino pubblicato da Mistral AI il 20 ottobre 2026.
Una chiamata di 3 minuti con l’agente base costa 0,12 dollari; 200 chiamate al mese da 3 minuti fanno 24 dollari. Il listino copre i modelli, non la linea: per collegare un numero di telefono via SIP serve un operatore telefonico, con costi propri. Per far girare tutto sui propri server bisogna passare dall’ufficio commerciale di Mistral.
Voxtral 3 capisce l’italiano? Lingue e precisione
Sì. L’italiano è supportato sia dal modello che ascolta in tempo reale sia dalla voce sintetica, che ha voci predefinite anche in italiano. Le cifre sulle lingue però cambiano da modello a modello:
- la trascrizione di file arriva a 50 lingue, comprese le 24 lingue ufficiali dell’Unione europea;
- la trascrizione in tempo reale, quella che serve al telefono, copre oltre 35 lingue (la scheda del modello, sulla stessa pagina di Mistral, dice oltre 40);
- la voce sintetica parla oltre 35 lingue e più di 50 varianti regionali.
Sulla precisione esiste un riscontro indipendente. Nella classifica di Artificial Analysis consultata il 26 ottobre 2026, Voxtral Small Transcribe 3 è terzo su 59 modelli, con il 2,1% di parole trascritte male. Lo precedono Fun-Realtime-ASR-preview di Alibaba (1,7%) e MAI-Transcribe-2 di Microsoft (2,0%); la versione Mini è quinta, con il 2,2%.
Quella classifica però misura la trascrizione di file registrati. Al telefono lavora il modello in tempo reale: nei test pubblicati dalla stessa Mistral su 35 lingue sbaglia il 6,4% delle parole con mezzo secondo di ritardo e il 6,0% con circa un secondo, contro il 4,0% della trascrizione di file. Meno il modello aspetta, meno contesto ha e più sbaglia: è il compromesso di fondo della trascrizione in tempo reale.
Mistral pubblica anche confronti di qualità e prezzo sulla voce sintetica, ma si basano su valutazioni interne.
Cosa cambia per bar, saloni e studi professionali?
Un salone o uno studio non userà Voxtral 3 direttamente. Userà un servizio verticale, costruito per il suo settore con mattoni di questo tipo. Il prezzo al minuto conta soprattutto per chi costruisce quei servizi: più scende, più diventano sostenibili prodotti pensati per attività piccole. È la versione telefonica degli agenti AI che eseguono compiti al posto delle persone.
Un esempio italiano è SalonVoice, fondata da Christian La Porta, ospite della serata Interconnection organizzata da INT News il 26 ottobre 2026. Non è un prodotto Mistral, e il sito non indica su quali modelli vocali si basi. Secondo l’azienda, funziona così:
- il salone devia le chiamate a un numero SalonVoice quando non può rispondere, per esempio la sera o quando ha le mani occupate;
- l’assistente legge servizi e collaboratori dal gestionale del salone (oggi Exagon, oppure l’agenda Agiendo inclusa nel servizio) e scrive la prenotazione in agenda;
- davanti a una richiesta insolita non improvvisa: prende nome e numero e li mette in una lista da richiamare;
- dichiara di essere un assistente automatico.
Il modello di prezzo è diverso da quello di Mistral: non si paga il minuto, si paga il risultato. SalonVoice costa 20 euro al mese con 10 prenotazioni incluse, poi 1,50 euro per ogni prenotazione presa dall’assistente. L’azienda dichiara 72 prenotazioni in tre mesi in un salone di un centro commerciale in provincia di Monza, con l’assistente attivo dalle 19 alle 9:30, tra il 24 giugno e il 25 settembre 2026. È un solo caso, misurato da chi vende il servizio: dice che il meccanismo funziona, non quanto renda in media.
Per i saloni è un’applicazione che si aggiunge a quelle raccolte nel nostro approfondimento sul beauty tech. Il nodo oggi non è la tecnologia di base: è l’integrazione con i gestionali, la gestione delle richieste fuori schema e la fiducia di chi chiama.
Si può clonare una voce con Voxtral 3?
Sì. Oltre alla clonazione di base, Voxtral 3 offre Pro Voice: secondo Mistral riproduce carattere, gamma emotiva e stile di chi parla, anche in altre lingue, partendo da 30 minuti di audio. Serve a dare all’agente una voce di marca, per esempio quella del titolare o di un testimonial.
Lo stesso strumento riapre il tema dei deepfake vocali. L’annuncio di Mistral non spiega come venga verificato il consenso della persona la cui voce viene riprodotta.
Quali regole valgono in Italia per gli agenti vocali?
Chi usa un agente vocale in Italia deve rispettare tre norme già in vigore, due europee e una italiana.
| Norma | Cosa chiede | In vigore dal | A chi si applica |
| AI Act (Regolamento UE 2024/1689), art. 50 | Informare chi chiama che parla con un’intelligenza artificiale, al più tardi alla prima interazione | 2 agosto 2026 | Al fornitore del sistema, anche un’azienda che costruisce l’agente e lo usa a proprio nome |
| Codice penale, art. 612-quater (legge 132/2025) | Reclusione da 1 a 5 anni per chi diffonde senza consenso immagini, video o voci falsificati con l’IA e idonei a ingannare, causando un danno ingiusto | 10 ottobre 2025 | A chiunque |
| GDPR | Informativa e base giuridica per registrare o trascrivere le chiamate | 25 maggio 2018 | A chi gestisce le chiamate |
Dire che risponde un’IA. L’articolo 50 dell’AI Act chiede che un sistema che dialoga con le persone sia progettato in modo che sappiano di parlare con un’intelligenza artificiale, salvo che sia evidente. L’informazione va data in modo chiaro al più tardi alla prima interazione: al telefono, in pratica, all’inizio della chiamata. L’Omnibus digitale, che ha rinviato altri obblighi dell’AI Act, non ha toccato questo.
Non diffondere voci false. La legge 132/2025 sull’intelligenza artificiale ha introdotto nel Codice penale l’articolo 612-quater. Il reato non è creare una voce sintetica: è cederla, pubblicarla o diffonderla senza consenso quando è idonea a ingannare e causa un danno ingiusto. Si procede su querela della persona offesa, ma d’ufficio in alcuni casi, per esempio se la vittima è una persona incapace o una pubblica autorità colpita per le sue funzioni.
Proteggere la propria voce. Il 5 ottobre 2026 è stato reso noto che la presidente del Consiglio Giorgia Meloni ha depositato all’EUIPO, l’ufficio dell’Unione europea per la proprietà intellettuale, un audio di quattro secondi in cui ripete due volte “Io sono Giorgia Meloni”. È una domanda di marchio sonoro, ancora in esame secondo le cronache di quei giorni; prima di lei avevano scelto la stessa strada la cantante Giusy Ferreri e il doppiatore Luca Ward. Il marchio è una tutela legale, non tecnica: serve contro usi commerciali non autorizzati, ma non impedisce a nessuno di clonare una voce.
Registrare le chiamate. Se l’agente registra o trascrive le telefonate, tratta dati personali: valgono le regole del GDPR, a partire dall’informativa a chi chiama.
Domande frequenti sugli agenti vocali AI
Un software che risponde al telefono, capisce la richiesta, agisce sui sistemi dell’azienda e risponde a voce. Può fissare un appuntamento, controllare una fattura o verificare l’identità di chi chiama.
La famiglia di modelli vocali di Mistral AI presentata il 20 ottobre 2026: trascrizione, voce sintetica e un kit di sviluppo per costruire agenti vocali.
Sì. L’italiano è supportato sia dal modello che trascrive in tempo reale sia dalla voce sintetica, che ha voci predefinite in italiano.
Secondo il listino di Mistral, 0,04 dollari al minuto con il modello Mistral Small 4 e 0,08 con un modello più grande. La linea telefonica si paga a parte.
Sì. Dal 2 agosto 2026 l’articolo 50 dell’AI Act chiede che chi chiama lo sappia al più tardi alla prima interazione, salvo che sia evidente.
Il reato non è la clonazione in sé. L’articolo 612-quater del Codice penale punisce chi cede, pubblica o diffonde senza consenso una voce falsificata con l’IA, idonea a ingannare, se ne deriva un danno ingiusto.
Se ne parla a Interconnection
Gli agenti vocali sono il tema della serata Interconnection organizzata da INT News lunedì 26 ottobre 2026. Christian La Porta, founder di SalonVoice, mostrerà come un assistente risponde al telefono e fissa appuntamenti in un’attività reale.
- Quando: lunedì 26 ottobre 2026, dalle 18:30 alle 20:30
- Dove: WeDesk, via Magenta 54, Seregno (ingresso da via Ballerini)
- Moderano: Alessandro De Grandi (The Nemesis), Alessandro Calastri (ACC Group), Riccardo Loizzo e Sandeep Lacorte (INT News)
- Ingresso: gratuito, con registrazione dalla pagina dell’evento
Fonti
- Mistral AI, Voxtral 3: Voice Agent SDK & Speech Models in 50+ Languages, annuncio e listino, 20 ottobre 2026
- Artificial Analysis, Speech to Text Leaderboard, trascrizione non in tempo reale, consultata il 26 ottobre 2026
- SalonVoice, sito ufficiale: funzionamento, prezzi e dati dichiarati, consultato il 26 ottobre 2026
- Gazzetta Ufficiale, Legge 23 settembre 2025, n. 132, art. 26 (art. 612-quater c.p.), GU n. 223 del 25 settembre 2025
- EUR-Lex, Regolamento (UE) 2024/1689, AI Act, art. 50
- Agenda Digitale, Art. 50 AI Act, la trasparenza diventa operativa, 22 luglio 2026
- Milano Finanza, AI Act, dal 2 agosto 2026 gli obblighi di trasparenza per i chatbot, 31 luglio 2026
- Euronews, “Io sono Giorgia Meloni” diventa un marchio registrato, 5 ottobre 2026
- La Voce di New York, Possiamo ancora fidarci di una voce?, 5 ottobre 2026
- Agenda Digitale, Un marchio può fermare i deepfake? Il caso della voce di Meloni, ottobre 2026
- Geopop, Come registrare la voce come marchio sonoro, 7 ottobre 2026
- INT News, Pronto? Risponde l’Intelligenza Artificiale, pagina evento
