Mistral 发布 Voxtral 3 语音模型系列，含 TTS 与三款转写模型
Mistral has released new Speech models! Voxtral Small Transcribe 3 takes the #3 spot on the Artificial Analysis Speech to Text leaderboard, and Voxtral 3 TTS en
Mistral 发布 Voxtral 3 系列，包括一款文本转语音模型和三款语音转文本模型（Small Transcribe 3、Mini Transcribe 3、Mini Transcribe Realtime 3）。Artificial Analysis 评测显示，Voxtral Small Transcribe 3 以 2.1% 的 AA-WER Index 位列语音转文本榜第 3，领先 ElevenLabs Scribe v2 的 2.2% 和 Grok Voice Transcribe 2.0 的 2.3%；Voxtral Mini Transcribe 3 以 2.2% 排第 5。Voxtral 3 TTS 在提供方音色竞技场 Elo 为 1,218，98 个模型中排第 12，定价为 $13/1M characters。
正文 · AI 翻译
Mistral 发布了全新的语音模型！Voxtral Small Transcribe 3 在 Artificial Analysis 语音转文本排行榜上位列第 3，Voxtral 3 TTS 则在两个文本转语音竞技场中均进入前 12 名
@MistralAI 发布了 Voxtral 3：一款全新的文本转语音模型和三款语音转文本模型（Small Transcribe 3、Mini Transcribe 3 和 Mini Transcribe Realtime 3）。我们对它们全部进行了评测。
要点：
➤ 语音转文本：Voxtral Small Transcribe 3 以 2.1% 的 AA-WER Index 在 Artificial Analysis 语音转文本排行榜上位列第 3，领先于 ElevenLabs Scribe v2（2.2%）和 Grok Voice Transcribe 2.0（2.3%）。Voxtral Mini Transcribe 3 以 2.2% 位列第 5。
➤ 流式语音转文本：Voxtral Mini Transcribe Realtime 3 在 960 ms 设置下最终转写的 AA-WER 为 3.3%（46 个模型中排第 6），在 480 ms 下为 3.6%，较上一代 Voxtral Mini Transcribe Realtime 的 5.2% 有所下降。
➤ 文本转语音，提供方音色：Voxtral 3 TTS 在 1,599 次竞技场出场中 Elo 为 1,218，在 98 个模型中排第 12，仅次于 Breeze TTS 2 的 1,221，领先于 Inworld Realtime TTS-2 Flash 和 StepAudio 2.5 TTS 的 1,216。它在英语（美国）中排第 13，在英语（英国）中排第 12。
➤ 文本转语音，受控音色：Voxtral 3 TTS 在 1,614 次出场中得分为 1,068，在 43 个模型中排第 12（使用相同的 8 个克隆音色），落后于 Eleven v3 的 1,072，与蚂蚁集团的 Ming-3.0-tts 的 1,068 持平。它在 Assistants 中排第 10，在英语（英国）中排第 10。
➤ 发音稳健性：Voxtral 3 TTS 得分为 84.4%，在 32 个模型中排第 13，落后于 Qwen-Audio-3.1-TTS-Plus 的 84.6%，领先于 HeyGen Voice 的 83.2%。它在 Standalone Terms 中排第 3，得分为 93.9%。
➤ 定价：Voxtral 3 TTS 定价为 $13/1M characters，相比之下 Gemini 3.8 Flash TTS 为 $16.5/1M characters，Eleven v4 Turbo 为 $40/1M characters，Simba 3.2 为 $6.6/1M characters。
更多详情及试听样例如下 ⬇️