Mistral Voxtral 3 语音系列发布：转写冲榜第三、TTS 速度登顶

Mistral 于 10 月 21 日发布 Voxtral 3 语音系列，包含一个 TTS 模型和三个 STT（语音转文本）模型。Artificial Analysis 随即完成评测并更新其语音排行榜：转写侧成绩亮眼，TTS 侧以速度和价格取胜，但发音准确性存在短板。

已确认

• Voxtral Small Transcribe 3 在非流式转写榜单以 2.1% AA-WER Index 位居第 3，超过 ElevenLabs Scribe v2（2.2%）和 Grok Voice。
• 流式模型 Voxtral Mini Transcribe Realtime 3 提供两档延迟设置，均进入流式 STT 榜单上半区：480ms 延迟档 WER 为 3.6%。
• Voxtral 3 TTS 生成速度达 112.3 字符/秒，远超 Eleven v4 Turbo，登顶速度榜；其价格仅为 Eleven v4 Turbo 的三分之一。
• 在 Pronunciation Robustness 基准（考察 TTS 对挑战性文本的发音正确性，由人工评审评分）中，Voxtral 3 TTS 总分 84.4%，在 32 个模型中排第 13，精确序列保真成为短板。
• Artificial Analysis 同步发布了 TTS/STT 排行榜与 Speech Arena 投票数据。

为什么重要

• Voxtral 3 以低价高速度切入语音市场，直接对标 ElevenLabs 的旗舰产品线，为开发者提供了更具性价比的选项。
• 转写质量进入榜单前三，显示 Mistral 已从纯文本模型扩展到语音多模态的一线竞争；但发音鲁棒性排名靠后提示其在难例文本上仍有差距，选型时需按场景权衡。

2026-10-21 ~ 2026-10-21 · 6 条相关

• Voxtral 3 TTS 发音鲁棒性 84.4% 排 13/32，精确序列保真成短板 — ArtificialAnlys · 2026-10-21
• 【源头】Voxtral Small Transcribe 3 以 2.1% WER 语音转写拿下第三，超越 Scribe v2 与 Grok Voice — ArtificialAnlys · 2026-10-21
• Voxtral Mini Transcribe Realtime 3 流式转写进入前 10：480ms 延迟档 WER 3.6% — ArtificialAnlys · 2026-10-21
• 【源头】Artificial Analysis 语音榜：Voxtral 3 TTS 以 112 字符/秒登顶速度榜，价格仅 Eleven v4 Turbo 三分之一 — ArtificialAnlys · 2026-10-21
• 【源头】Mistral 发布 Voxtral 3 语音系列，转写模型冲上榜单第三 — ArtificialAnlys · 2026-10-21

另有 1 条近重复转述:ArtificialAnlys