Voxtral Mini Transcribe 3 在 Voice Arena 说话人分离榜排第二

🚀 在 Voice Arena 的说话人分离 + ASR 排行榜上，Mistral AI 的 Voxtral Mini Transcribe 3 以 DER 指标在 9 个模型中排名第 2，表现优于其更大的同系列模型。 在 Mistral 推出全新的 Voxtral 3 系列之后，我们在 Voice Arena 的说话人分离基准上评测了其 Mini 和 Small 转写模型。 🥈 Voxtral Mini Transcribe 3：40.4% DER（第 2 名） Voxtral Small Transcribe 3：41.1% DER（第 4 名） 两个模型均在 139 段留出对话上以相同条件测试，使用人工核验的参考文本、严格的 0 毫秒容差，且不预设说话人数量、不做音频清理。 Mini 在面对面交谈中领先（40.6% 对 41.5%），而 Small 在线上通话中表现略好（39.1% 对 39.5%）。 重叠语音仍是最大的挑战。漏识语音占 Mini 总 DER 的 82%。两个模型在 83.5% 的会话中正确识别出准确的说话人数量。 祝贺 @MistralAI 发布！👏 查看完整的赛道与条件细分：https://t.co/sLGwgH3EWt

查看原文

🚀 Mistral AI’s Voxtral Mini Transcribe 3 ranks #2 out of 9 models by DER on Voice Arena’s Diarization + ASR leaderboard, outperforming its larger counterpart. Following the launch of Mistral’s new Voxtral 3 family, we evaluated its Mini and Small transcription models on Voice Arena’s Diarization Bench. 🥈 Voxtral Mini Transcribe 3: 40.4% DER (#2) Voxtral Small Transcribe 3: 41.1% DER (#4) Both models were tested on 139 held-out conversations under identical conditions, using human-verified references, a strict 0 ms collar, and no predefined speaker counts or audio cleanup. Mini leads on in-person conversations (40.6% vs. 41.5%), while Small performs slightly better on online calls (39.1% vs. 39.5%). Overlapping speech remains the biggest challenge. Missed speech accounts for 82% of Mini's total DER. Both models correctly identify the exact number of speakers in 83.5% of sessions. Congratulations to @MistralAI on the release ! 👏 View complete track & condition breakdown: https://t.co/sLGwgH3EWt