Artificial Analysis (@ArtificialAnlys) · 2026/10/21 00:53:01
Mistral 发布 Voxtral 3 语音模型 转录与合成性能跃升
Mistral AI 推出新一代 Voxtral 3 系列语音模型，涵盖文本转语音（TTS）及多种语音转文本（STT）变体。其中 Small Transcribe 3 在 Artificial Analysis 排行榜位列第三，实时流式转录准确率显著提升，且 TTS 定价极具竞争力。
报道全文原始报道全文
Artificial Analysis (@ArtificialAnlys) · 2026-10-20 16
Mistral 发布了全新的语音模型！Voxtral Small Transcribe 3 在 Artificial Analysis 的语音转文本（Speech to Text）排行榜上位列第三，而 Voxtral 3 TTS 则在两个文本转语音（Text to Speech）竞技场中均进入前 12 名。
@MistralAI 发布了 Voxtral 3：包含一款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 以及 Mini Transcribe Realtime 3）。我们对它们进行了全面评估。
核心要点：
➤ 语音转文本：Voxtral Small Transcribe 3 以 2.1% 的 AA-WER 指数在 Artificial Analysis 语音转文本排行榜上占据第 3 位，领先于 ElevenLabs Scribe v2（2.2%）和 Grok Voice Transcribe 2.0（2.3%）。Voxtral Mini Transcribe 3 以 2.2% 的成绩位列第 5。
➤ 流式语音转文本：Voxtral Mini Transcribe Realtime 3 在 960 ms 设置下的最终转录 AA-WER 得分为 3.3%（46 款模型中排名第 6），在 480 ms 设置下为 3.6%，较上一代 Voxtral Mini Transcribe Realtime 的 5.2% 有显著改进。
➤ 文本转语音 - 提供商声音（Provider Voice）：Voxtral 3 TTS 在 1,599 次竞技场对决中获得 1,218 的 Elo 分数，在 98 款模型中排名第 12，略低于 Breeze TTS 2（1,221），但高于 Inworld Realtime TTS-2 Flash 和 StepAudio 2.5 TTS（均为 1,216）。它在英语（美国）类别中排名第 13，在英语（英国）类别中排名第 12。
➤ 文本转语音 - 受控声音（Controlled Voice）：Voxtral 3 TTS 在 1,614 次对决中获得 1,068 分，在 43 款模型中排名第 12（使用相同的 8 种克隆声音），落后于 Eleven v3（1,072），与蚂蚁集团的 Ming-3.0-tts（1,068）持平。它在“助手”类别中排名第 10，在英语（英国）类别中也排名第 10。
➤ 发音鲁棒性：Voxtral 3 TTS 得分为 84.4%，在 32 款模型中排名第 13，落后于 Qwen-Audio-3.1-TTS-Plus（84.6%），领先于 HeyGen Voice（83.2%）。它在“独立术语”（Standalone Terms）子项中以 93.9% 的得分排名第 3。
➤ 定价：Voxtral 3 TTS 的价格为每百万字符 13 美元，相比之下，Gemini 3.8 Flash TTS 为每百万字符 16.5 美元，Eleven v4 Turbo 为每百万字符 40 美元，Simba 3.2 为每百万字符 6.6 美元。
更多详情及试听样本见下方 ⬇️
